概括
一种新的深度学习方法增强了相位测量偏向测量 (PMD) 以从单个图像中更快,更高精度的3D形状重建镜面表面,推进光学测量.
科学领域:
- 光学计量学 在光学计量学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 传统的相位测量偏向计 (PMD) 在平衡3D表面重建的精度和速度方面面临挑战.
- 精确和快速测量镜面对于先进的制造和质量控制至关重要.
研究的目的:
- 引入与深度学习集成的直角编码相位测量偏向测量 (PMD) 方法.
- 为了实现高精度,高速的3D形状重建的镜面表面使用单扭曲的模式.
主要方法:
- 为动态PMD开发一个直角编码技术.
- 应用深度学习算法来从单边框模式重建3D形状.
- 实验验证将拟议的方法与传统的多步相位移技术进行比较.
主要成果:
- 基于深度学习的直角编码PMD实现了高精度的相位和形状信息.
- 测量准确度与十步相位移方法的测量准确度非常接近.
- 该方法在动态测量场景中表现出色.
结论:
- 深度学习可以有效地与动态PMD相结合,用于精确的镜面表面3D重建.
- 拟议的方法在光学测量的速度和精度上提供了显著的进步.
- 这种技术对光学测量和制造技术的发展具有重要意义.
