并行單像素成像原理、方法及應(yīng)用

目錄
前言
第1章 緒論 1
1.1 面結(jié)構(gòu)光三維視覺(jué)重構(gòu)的重要意義 1
1.2 面結(jié)構(gòu)光三維視覺(jué)重構(gòu)的基本原理 2
1.3 復(fù)雜光照條件下結(jié)構(gòu)光(投影光柵)三維重構(gòu)失效機(jī)理分析 4
1.4 傳統(tǒng)復(fù)雜光照下三維視覺(jué)重構(gòu)方法概述 8
1.4.1 多次反光干擾下的三維重構(gòu) 9
1.4.2 次表面散射光干擾下的三維重構(gòu) 10
1.5 本書內(nèi)容組成 12
參考文獻(xiàn) 12
第2章 基于單像素成像方法的復(fù)雜光照分離原理 14
2.1 單像素成像方法概述 14
2.1.1 單像素成像方法的基本原理 14
2.1.2 單像素成像方法的發(fā)展歷程 16
2.1.3 單像素成像方法的特點(diǎn) 17
2.2 基于單像素成像的復(fù)雜光照分離模型與效率分析 18
2.2.1 傳統(tǒng)混疊模型 19
2.2.2 基于單像素成像的混疊模型 22
2.3 并行單像素成像原理 24
2.3.1 并行單像素成像光傳輸系數(shù)的局部能量集中特性 25
2.3.2 基于局部區(qū)域延拓方法的光傳輸系數(shù)精確重構(gòu)的理論分析 28
2.3.3 區(qū)域自適應(yīng)的高效傅里葉單像素成像方法 33
2.3.4 局部區(qū)域延拓方法的具體實(shí)現(xiàn) 38
2.4 復(fù)雜光照分離方法 42
2.4.1 直接光照與多次反射光的分離 42
2.4.2 直接光照與半透明次表面散射光的分離 44
2.5 基于壓縮感知的高效并行單像素成像原理 45
2.5.1 基于頻域特征傅里葉采樣策略的壓縮并行單像素成像 48
2.5.2 基于重要性采樣的并行單像素成像條紋投射方法 51
2.5.3 基于壓縮感知原理的光傳輸系數(shù)重構(gòu)方法 54
2.5.4 采樣策略的對(duì)比分析 55
2.6 并行單像素成像的亞像素匹配方法 59
2.6.1 極線方程的計(jì)算 60
2.6.2 直接光斑與復(fù)雜光斑的篩選方法 61
2.6.3 基于灰度質(zhì)心的亞像素匹配方法 62
2.7 本章小結(jié) 62
參考文獻(xiàn) 62
第3章 基于投影重構(gòu)的高效并行單像素成像方法 65
3.1 基于投影重構(gòu)并行單像素成像的基本原理 65
3.1.1 投影函數(shù)的局部極大約束定理 66
3.1.2 基于投影函數(shù)的直接光照匹配 70
3.1.3 基于條紋投射的投影函數(shù)成像方法 71
3.1.4 基于局部切片延拓方法的高效投影函數(shù)采集方法 72
3.2 面向多匹配點(diǎn)的雙目立體匹配方法 74
3.2.1 多匹配點(diǎn)數(shù)據(jù)立方體 75
3.2.2 右相機(jī)像素投影匹配點(diǎn)的合并讀出方法 76
3.2.3 雙目多匹配點(diǎn)的像素匹配搜索方法 77
3.3 基于CUDA全流程像素級(jí)并行計(jì)算框架的并行單像素成像方法 79
3.3.1 基于CUDA全流程像素級(jí)并行單像素成像解算框架 81
3.3.2 基于CUDA的投射器匹配點(diǎn)解算模塊 82
3.3.3 基于CUDA的雙目亞像素匹配點(diǎn)解算模塊 84
3.3.4 基于CUDA的三維點(diǎn)云解算模塊 85
3.3.5 基于GPU加速的并行單像素成像時(shí)間效率分析 86
3.4 基于投影重構(gòu)和局部區(qū)域延拓方法的并行單像素成像精度對(duì)比分析 88
3.4.1 投影立體匹配點(diǎn)的仿真對(duì)比實(shí)驗(yàn) 88
3.4.2 實(shí)測(cè)數(shù)據(jù)的精度對(duì)比分析實(shí)驗(yàn) 90
3.5 本章小結(jié) 93
參考文獻(xiàn) 93
第4章 基于并行單像素成像的復(fù)雜光照下三維測(cè)量技術(shù)及應(yīng)用 94
4.1 多次反射表面三維測(cè)量技術(shù)及應(yīng)用 96
4.1.1 多次反光下投影函數(shù)的峰混現(xiàn)象與虛匹配現(xiàn)象 97
4.1.2 基于四方向投影函數(shù)的遍歷一致性配對(duì)直接匹配點(diǎn)解算方法98
4.1.3 基于單方向投影函數(shù)的快速多次反光直接匹配點(diǎn)解算方法 100
4.1.4 一次、二次和三次以上反射光分離方法 104
4.2 基于并行單像素成像的半透明表面三維測(cè)量技術(shù)及應(yīng)用 109
4.2.1 半透明表面次散射光對(duì)三維測(cè)量方法的影響分析 110
4.2.2 半透明物體表面次表面散射模型分析 115
4.2.3 物體半透明性的定量分析 124
4.2.4 半透明次表面散射下投影函數(shù)的優(yōu)化策略 126
4.3 階躍邊緣高精度三維測(cè)量技術(shù)及應(yīng)用 132
4.3.1 階躍邊緣混疊光照對(duì)三維測(cè)量方法的影響分析 132
4.3.2 面向階躍邊緣的高效并行單像素成像技術(shù) 133
4.3.3 階躍邊緣高精度三維重構(gòu)技術(shù)應(yīng)用案例 138
4.4 高光表面下的并行單像素成像技術(shù) 148
4.4.1 高光對(duì)傅里葉單像素成像的影響分析 149
4.4.2 雜散光對(duì)三維成像的影響分析 155
4.4.3 高光下的并行單像素成像技術(shù)應(yīng)用案例 162
4.4.4 實(shí)驗(yàn)過(guò)程與結(jié)果分析 163
4.5 本章小結(jié) 168
參考文獻(xiàn) 169
第5章 基于并行單像素成像的全場(chǎng)全景深光傳輸系數(shù)建模及應(yīng)用 170
5.1 基于并行單像素成像的點(diǎn)擴(kuò)散函數(shù)建模技術(shù)及三維測(cè)量精度仿真
技術(shù) 170
5.1.1 點(diǎn)擴(kuò)散函數(shù)測(cè)量與建模技術(shù) 170
5.1.2 相機(jī)點(diǎn)擴(kuò)散函數(shù)測(cè)量技術(shù)應(yīng)用案例 179
5.2 基于點(diǎn)擴(kuò)散函數(shù)/光傳輸系數(shù)的三維測(cè)量仿真與分析技術(shù) 191
5.2.1 基于光線跟蹤的三維測(cè)量仿真模型 191
5.2.2 基于光傳輸系數(shù)測(cè)量的相機(jī)成像仿真方法 197
5.3 離焦相機(jī)成像校正模型與標(biāo)定方法 200
5.3.1 離焦相機(jī)成像模型 200
5.3.2 離焦模糊圖像復(fù)原與校正 204
5.3.3 離焦相機(jī)標(biāo)定方法 206
5.4 本章小結(jié) 211
參考文獻(xiàn) 211
第6章 應(yīng)用案例一：復(fù)雜高光金屬結(jié)構(gòu)件高效自動(dòng)化測(cè)量 212
6.1 復(fù)雜高光金屬結(jié)構(gòu)件測(cè)量需求 212
6.2 復(fù)雜高光金屬結(jié)構(gòu)件自動(dòng)化測(cè)量系統(tǒng)軟硬件 212
6.2.1 自動(dòng)化測(cè)量系統(tǒng)硬件 213
6.2.2 自動(dòng)化測(cè)量系統(tǒng)軟件 215
6.3 大尺寸拼接技術(shù) 218
6.3.1 全局定位系統(tǒng) 218
6.3.2 單視場(chǎng)數(shù)據(jù)定位原理 219
6.4 典型零件測(cè)量結(jié)果與測(cè)量精度分析 220
6.4.1 典型零件測(cè)量結(jié)果 220
6.4.2 測(cè)量精度分析 221
6.5 本章小結(jié) 227
參考文獻(xiàn) 227
第7章 應(yīng)用案例二：發(fā)動(dòng)機(jī)葉片自動(dòng)化測(cè)量 228
7.1 發(fā)動(dòng)機(jī)葉片測(cè)量需求 228
7.2 復(fù)合式葉片自動(dòng)化測(cè)量系統(tǒng)軟硬件 229
7.2.1 復(fù)合式葉片自動(dòng)化測(cè)量系統(tǒng)硬件 229
7.2.2 復(fù)合式葉片自動(dòng)化測(cè)量系統(tǒng)軟件 230
7.3 自動(dòng)化測(cè)量與標(biāo)定技術(shù) 231
7.3.1 拼接原理 231
7.3.2 系統(tǒng)標(biāo)定 233
7.4 測(cè)量結(jié)果與數(shù)據(jù)分析 234
7.4.1 復(fù)合式測(cè)量系統(tǒng)標(biāo)定 234
7.4.2 典型葉片測(cè)量 241
7.4.3 數(shù)據(jù)分析 243
7.5 本章小結(jié) 244
彩圖