(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211497364.6 (22)申请日 2022.11.28 (71)申请人 南京理工大 学 地址 210094 江苏省南京市玄武区孝陵卫 200号 (72)发明人 郑东亮　黄若冰　于浩天　韩静　 (74)专利代理 机构 南京苏创专利代理事务所 (普通合伙) 32273 专利代理师 王晶杰 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/33(2017.01) G06T 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G01B 11/25(2006.01) (54)发明名称 基于SIFT流单帧条纹投影高动态范围误差 补偿方法 (57)摘要 本发明涉及一种基于SIFT流单帧条纹投影 高动态范围误差补偿方法， 属于数字图像处理和 三维测量技术领域。 预训练好一通用深度学习网 络， 使用投影仪对待测运动物体进行连续投影， 通过相机对投影仪的触发信号连续抓图， 得到原 始条纹图像。 利用SIFT流算法， 得到配准后条纹 图像序列。 进行筛选， 选出最贴近5步相移条 纹分 布的一组条纹图像， 组成最优化序列。 输入至通 用深度学习网络中， 计算对应的相位， 再得到对 应的绝对相位， 恢复出待测物体的三维信息。 对 于自由度较高的运动物体， 得到测量物体的三维 图像。 将通用 深度学习网络嵌套进当中， 保证测 量过程的稳定性、 灵活性和测量精度， 同时能够 避免HDR问题的不良影响。 权利要求书2页 说明书8页 附图6页 CN 115546255 A 2022.12.30 CN 115546255 A 1.一种基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征在于： 包括如下步 骤： 步骤1： 预训练好一通用深度学习网络， 使用投影仪对待测运动物体进行连续投影， 投 影的每一帧均固定预设正弦条纹图像， 再通过相 机对投影仪的触发信号连续抓图， 得到一 组由20张捕获的条纹图像构成的原 始条纹图像序列 ； 步骤2： 利用SIFT流算法， 即以条纹图像 作为配准的目标， 序列 中剩余的条纹图像全 部配准至 对应的相机 视角下， 得到配准后条纹图像序列 ； 步骤3： 对步骤2得到的配准后条纹图像序列 进行筛选， 选出 包 括 在内的 最 贴 近 5 步 相移条 纹 分 布的 一组 条 纹图 像 ， 组 成 最 优 化 序 列 ； 步骤4： 将步骤3得到的最优化序列 输入至步骤1中已预训练 好的通用深度学习网络中， 输出用于求解条纹图像 所对应的相位的中间量， 即输出正弦 分量 以及余弦分量 ， 两式中B为条纹图像 的条纹调制度， 为条纹图像 所对应的相位； 步骤5： 将步骤4输出的正弦分量 M和余弦分量 D代入如下公式： ， 即可计算出条纹图像 所对应的相位， 再基于空域相位展开法或几何约束法对相位进 行相位展开 得到条纹图像 所对应的绝对相位， 结合 标定的设备参数从所述绝对相位中恢 复出待测物体的三维信息 。 2.根据权利要求1所述的基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征 在于： 所述步骤1中的通用深度学习网络为改进型U结构神经网络， 保持网络隐藏层结构不 变， 改变U结构神经网络的输入层和输出层的通道数， 则得到所述改进型U结构神经网络 。 3.根据权利要求2所述的基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征 在于： 所述 步骤4中通用深度学习网络的网络 输入通道数为5， 输出通道数为2。 4.根据权利要求1所述的基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征 在于： 所述步骤1的待测运动物体在相 机的视场范围内， 从左到右或从右到左单方向移动， 在相机的景深范围内包括前后运动和 ‑10°~10°的旋转运动。 5.根据权利要求1所述的基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征 在于： 所述步骤2具体步骤如下： 对原始条纹图像序列 的任一帧 作为配准目标进行逐帧配准， 将 中的条纹图像逐一输 入步骤1中预训练好的通用深度学习网络； 去除图像中的条纹部分而只保留背景信 息， 网络逐一输出去除条纹的背景图像后组成权　利　要　求　书 1/2 页 2 CN 115546255 A 2背景图像序列 ； 2)以背景图像 作为目标图像， 通过双层信念 传播算法来优化如下能量 函数： 式中 和 分别为背景图像 与 所对应的128维SIFT描 述子 图， 为像素点， 为背景图像 与 之间的SIFT流向量 图， 为 的4邻域集， 为邻域 中除 外的像素点， 为小位移项系数， 为平滑项系数， 和 均为用于调控流向量精度的阈值； 最优化上式后即可得到背景图像 与 之间的SIFT流向量图 ； 3)由于序列 和序列 之间一一对应， 同样为条 纹图像 与 之间的SIFT流向量图， 通过 即可将 配准至 视角下， 配准后的条纹 图像 与原图像 之间的关系为： ， 原始条纹图像序列中的全部图像完成配准后即可组成配准后的条纹图像序列 。 6.根据权利要求1所述的基于SIFT流单帧条纹投影高动态范围误差补偿方法， 其特征 在于： 所述步骤3中具体步骤如下： 用峰值检测的方法计算出条纹图像 中正弦条纹分布 的实际像素周期T， 再利用峰值检测的方法计算出条纹 图像 中的正弦条纹分布相 对条纹 图像 的实际像素位移量 ， 再代入如下公式 中： ， 筛选出最贴近 5步相移条纹分布的一组图像， 即最优化序列 。权　利　要　求　书 2/2 页 3 CN 115546255 A 3