文献类型：期刊文章

作　　者：钟锦鑫[1,2] 尹维[1,2] 冯世杰[1,2] 陈钱[2] 左超(指导)[1,2]

Zhong Jinxin;Yin Wei;Feng Shijie;Chen Qian;Zuo Chao(Smart Computational Imaging Laboratory(SCILab),School of Electronic and Optical Engineering,Nanjing University of Science and Technology,Nanjing 210094,China;Jiangsu Key Laboratory of Spectral Imaging&Intelligent Sense,Nanjing University of Science and Technology,Nanjing 210094,China)

机构地区：[1]南京理工大学电子工程与光电技术学院,智能计算成像实验室(SCILab),江苏南京210094 [2]南京理工大学江苏省光谱成像与智能感知重点实验室,江苏南京210094

出　　处：《红外与激光工程》

基　　金：国家自然科学基金(61722506,61705105,11574152);江苏省杰出青年基金(BK20170034);江苏省重点研发计划(BE2017162);江苏省光谱成像与智能感知重点实验室开放基金(3091801410411)。

年　　份：2020

卷　　号：49

期　　号：6

起止页码：73-83

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统的单幅散斑图像匹配算法测量精度低且无法测量复杂面型物体等问题,提出了一种基于深度学习的散斑投影轮廓术,即通过深度学习的方法实现散斑图像的逐像素匹配。设计利用孪生卷积神经网络结构,将目标散斑图像和参考散斑图像以图像块的形式输入神经网络。通过卷积层运算提取散斑图像块的特征信息,进而将子网络得到的特征信息融合为两个图像块之间的匹配系数,以获得散斑图像的视差数据,并最终可将视差数据转化为物体的三维信息。实验结果表明,该方法可以通过单幅散斑图像实现精度约为290μm的三维轮廓测量。

关 键 词：散斑投影  深度学习  三维测量  孪生网络  

分 类 号：TB133] TP391]