深度学习辅助复合极化边缘投影造型测量用于高动态范围对象的三维测量
Applied optics
|August 12, 2025
概括
本研究引入了一种深度学习方法,通过减少亮点干扰来改善高动态范围对象的3D测量. 新技术提高了对具有挑战性的表面的测量速度和精度.
科学领域:
- 光学测量 测量 光学测量
- 计算机视觉 计算机视觉
- 计量学 计量学 计量学
背景情况:
- 高动态范围对象的亮点使精确的3D表面测量变得复杂.
- 现有的极化编码方法减少了亮点,但引入了非线性误差和较低的信号噪声比.
研究的目的:
- 开发一种高效准确的3D测量方法,用于具有具有挑战性表面性能的高动态范围物体.
- 在3D重建中克服传统偏振编码技术的局限性.
主要方法:
- 提出了一种新的深度学习辅助复合极化边缘投影配置测量方法.
- 这种方法将深度学习与基于物理模型的极化编码相结合.
- 该方法旨在消除亮点,减少非线性误差,并改善信号噪声比.
主要成果:
- 实验结果显示,测量的效率和准确性有了显著的改善.
- 提出的方法有效地减轻了非线性误差和信号噪声比率的降低.
- 跨不同场景的验证证实了与传统方法相比,性能优越.
结论:
- 深度学习辅助的复合极化方法为高动态范围对象的3D测量提供了强大的解决方案.
- 这种技术提高了光学计量学对具有挑战性的表面的精度和速度.
- 人工智能与物理模型的整合提高了3D重建能力.
