应用神经网络的复杂物体三维测量

将神经网络引入基于结构光投影的复杂物体三维面形测量。在测量过程中,利用神经网络强大的函数逼近能力,得到离散条纹图的连续逼近函数,从中解出物体的相位分布信息,获得物体的三维面形分布。应用神经网络方法,在结构光投影条件下,只需要获取一幅条纹图,便可以完成复杂物体的三维面形测量。该方法相比传统的傅里叶变换轮廓术,不存在滤波操作,不会在测量过程中丢失被测物体的高频分量,具有更高的空间带宽积和灵敏度,能准确测量出复杂物体的细节,更加适用于恢复复杂物体的三维面形。并且该方法在条纹图存在阴影的情况下与傅里叶变换轮廓术相比,能更好地提取出物体的相位信息,恢复物体的三维面形。模拟及实验均验证了该方法的可行性。