公开(公告)号：CN111043988A

公开(公告)日：2020-04-21

申请号：CN201911260063.X

申请日：2019-12-10

Applicant: 东南大学

Inventor： 王辰星 ,  管清泽 ,  王凡周

IPC: G01B11/25 ,  G06N3/08

Abstract: 本发明公开了一种基于图形学和深度学习的单张条纹投影测量方法，将条纹图深度求算过程转化为畸变条纹图和原始条纹图的匹配问题，利用深度学习网络的特征提取能力实现分类匹配，从而实现单张深度图的预测，为解决实际采集数据集成本高、不同问题背景下采集条纹图标准不一的问题，提出使用计算机图形学方法仿真生成条纹图，从而获得低成本、高质量、高自由度的大量样本，为获得像素级精度，使用语义分割网络Unet，通过对畸变条纹图多次特征抽取将原始条纹图映射到高维特征空间实现匹配。有益效果在于：提出了基于计算机图形学仿真的条纹图获取方法，使用深度学习方法实现高精度、高速度的深度预测，实现完整的单张条纹图直接到深度图的解决方案。

公开(公告)号：CN111043988B

公开(公告)日：2021-04-23

申请号：CN201911260063.X

申请日：2019-12-10

Applicant: 东南大学

Inventor： 王辰星 ,  管清泽 ,  王凡周

IPC: G01B11/25 ,  G06N3/08

Abstract: 本发明公开了一种基于图形学和深度学习的单张条纹投影测量方法，将条纹图深度求算过程转化为畸变条纹图和原始条纹图的匹配问题，利用深度学习网络的特征提取能力实现分类匹配，从而实现单张深度图的预测，为解决实际采集数据集成本高、不同问题背景下采集条纹图标准不一的问题，提出使用计算机图形学方法仿真生成条纹图，从而获得低成本、高质量、高自由度的大量样本，为获得像素级精度，使用语义分割网络Unet，通过对畸变条纹图多次特征抽取将原始条纹图映射到高维特征空间实现匹配。有益效果在于：提出了基于计算机图形学仿真的条纹图获取方法，使用深度学习方法实现高精度、高速度的深度预测，实现完整的单张条纹图直接到深度图的解决方案。