深層学習を用いた内面シフト位相エンコーディングに基づくシングルショットСтруктурная проекция профилометрии

科学分野:

• 光学計測
• コンピュータビジョン
• 人工知能

背景:

• シングルショットСтруктурная проекция профилометрии（FPP）は、動的3次元測定に不可欠です。
• 現在の深層学習手法は、ラップされた位相とСтруктурная順序の同時抽出に苦労しています。
• 単一の画像から連続位相と離散Структурная順序を推定する際の曖昧さは、特に孤立したオブジェクトの場合に生じます。

研究 の 目的:

• 高精度な絶対位相回復のための深層学習対応シングルショットFPP手法を開発すること。
• 共同位相およびСтруктурная順序推定における固有の曖昧さに対処すること。
• 動的シナリオにおける複雑で孤立したオブジェクトの堅牢な3次元測定を可能にすること。

主な方法:

• 内面シフト位相エンコーディングを統合した物理的に制約されたデュアルネットワークアーキテクチャを提案しました。
• 単一のСтруктурнаяパターンにおける位相シフト成分にСтруктурная順序を埋め込みました。
• 分離された位相およびСтруктурная順序の回帰と分類のために、2つの軽量畳み込みニューラルネットワークを採用しました。

主要な成果:

• マルチフレーム技術に匹敵する高精度な絶対位相回復を達成しました。
• 複雑で孤立したオブジェクトに対する曖昧さのない位相回復を実証しました。
• 計算複雑性を低く抑え、動的3次元測定の可能性を示しました。

結論:

• 提案された物理的に一貫した分離設計は、エンドツーエンド回帰における最適化の競合を克服します。
• この方法は、シングルショットFPPの堅牢なソリューションを提供し、精度と効率を向上させます。
• リアルタイム動的3次元測定アプリケーションの可能性を検証しました。