CN111402240B 基于深度学习的单帧彩色条纹投影的三维面型测量方法 （南京理工大学）

基于深度学习的单帧彩色条纹投影的三维本发明公开了一种基于深度学习的单帧彩相移条纹，利用相移(PS)法和投影最小距离法杂预/后处理的情况下，提供更精确的相位信息2相移条纹图像12幅频率fG的绿色相移条纹图像(I;-I:)和12幅频率fB的绿色相GB的包裹相位率fG的分子项MG、分母项DG以及绝对相位φG作为模型CNN标准数据，计算标准数据与模型3步骤3、将被测物的彩色复合条纹图像三个通道内的灰度图像输入训练好的模型CNN，2.根据权利要求1所述的基于深度学习的单帧彩色条纹投影的三维面型测量方法，其3.根据权利要求1所述的基于深度学习的单帧彩色条纹投影的三维面型测量方法，其4[0002]条纹投影轮廓术(FPP)由于其简单的硬件设施，灵活的实现方式和较高的测量精等应用中对高速场景下3D信息获取的要求不断增加，基于FPP的高速3D形状测量技术变得至关重要(Robustdynamic3-dmeasurementswithmotion-compensatedphase-术(Reviewofsingle-shot3dshapemeasurementbyphasecalculation-based影技术(Compositephase-shiftingalgorithmforthree-dimensionalshape方面，为获取高精度相位信息，应优先选择具有高测量分辨率的相移(PS)法(Phase间相位展开方法(在遇到孤立的相位时会解包裹失败)消除相位模糊性(Color-encodeddigitalfringeprojectiontechniqueforhi展开相位(Projectedfringeprofilometryusingthearea-encodedalgorithmfor的三个颜色通道不足以编码既满足高质量的相位信息获取又满足稳定的相位展开的条纹5[0005]本发明的目的在于提供了一种基于深度学习的单帧彩色条纹投影的三维面型测[0009]步骤3、将被测物的彩色复合条纹图像三个通道内的灰度图像输入训练好的模型[0016]所述连接层1用于将5路数据进行后输入至卷积层11，得到输出通道数为3的3D张绿色相移条纹图像12幅频率fG的绿色相移条纹图像和12幅频率fB的绿B的包裹相位pr、P,、pa6B作为网络CNN的一组输入数据；7[0045]每个残差模块具体的构建方法参考文献Deepresiduallearningforimage条纹图像12幅频率fG的绿色相移条纹图像和12幅频率fB的绿色相移条纹图像以及1幅复合彩色条纹图像IRGB，其B的包裹相位8M和D分别表示反正切函数的分子项与分母项。[0058]获取三个不同频率的包裹相位后，再通过PDM法(Microfouriertransformprofilometry(mftp):3dshapemeasurementat10B作为网络CNN的一组输入数据；G[0064]在训练完成后的CNN中输入被测物的彩色复合条纹图像三个通道内的灰度图像RGB(Calibrationoffringeprojectionprofilometrywithbundleadjustment9传统的彩色条纹编码方法(Snapshotcolorfringeproj