[发明专利]测量场景中的深度值的方法

说明书

技术领域

本发明一般地涉及利用结构化光图案测量场景中的深度值，并且更具体地，涉及测量进行广域照明的场景中的形状。

背景技术

结构化光三角测量是在应用中测量形状的选择的方法，所述应用包括工业自动化、计算机图形学、虚拟现实、机器人-人交互、医疗外科和计算机视觉。根据深度值来测量形状。

本领域中的工作已经通过两种因素来开展：第一，减少获取时间；以及第二，增加深度分辨率。传统的方法能够以超过30微米的深度分辨率在接近1000Hz测量3D形状。

大多数结构化光方法进行了重要的假设：场景仅接收直接来自光源的照明。该假设仅能够在受控的实验室或工作室设定中得以满足。对于大多数真实世界场景，这并不成立。在若干应用中，场景接收常常比直接照明更多的相互反射、表面下散射、体散射、扩散的形式的间接或广域照明。

传统的结构化光方法没有考虑这些广域光传输影响，这在根据深度值复原形状时导致了显著的系统性误差。此外，由于这些误差的系统性本质，难以在后期处理中对误差进行校正。因此，意料之中的是，这些方法没有避免广域光传输影响而用于相对简单的场景。

在历史上，由于即使对于相对简单的场景，针对广域照明的计算模型也很复杂，因此，在计算机视觉应用中还没有对广域照明进行建模。

近来，已经示出了，照明的直接和广域分量能够被高效地分离。这导致了用于在广域光传输的情况下执行基于结构化光的形状重构的多种方法。这些方法都依赖于通过结构化光图案的高频调制、偏振或者循环地减少场景中的总照射来移除或减少广域光传输的影响。由于这些方法依赖于获得直接分量，因此当分离方法无效时出现误差。

例如，基于偏振和调制照明的分离未能过滤高频相互反射。此外，在直接分量相对较低的场景中（例如，采用高半透明材料），移除广域分量能够是相反效果的，这由于低信噪比（SNR）而导致显著的误差。另外，所有这些方法在硬件构造和获取时间方面具有较大的系统开销。

广域光传输下的形状复原

在计算机视觉应用中，反复侧光方法在存在相互反射的情况下重构朗伯特对象的形状。另一方法从用于执行测光立体成像的图像中分离广域分量。能够在广域照明影响下利用投影器散焦复原深度。另一方法使用相互反射来解决阴影的形状复原技术中固有的浅浮雕歧义。主动多视点立体技术利用高频照明作为场景纹理，其对于广域照明来说是不变的。另一方法移动相机或场景以减少结构化光应用中的广域光传输的影响。

想要的是，提供一种结构化光方法和系统，其具有单相机和投影机而没有任何移动部件，以便于重构透明的、不透明的和半透明的表面以及导致广域照明影响（例如，相互反射和表面下散射）的表面。

发明内容

在大多数计算机视觉应用中，利用结构化光的形状测量方法假设场景点仅由光源直接照明。因此，广域光传输（GLT）影响（例如，相互反射、扩散、表面下和体积散射以及半透明性）严重劣化了这样的方法的性能。

本发明的实施方式提供了一种用于测量在广域光传输下的场景中获取的图像中的3D形状的方法。根据场景中的深度值来测量形状。我们分析了由于用于基于结构化光的深度复原的广域光传输的不同模式导致的误差。

基于该分析，我们识别出结构化光图案必须对于这些误差具有回复性（resilient）的性质。这些性质是基于投射到场景上的结构化图案的空间频率。

我们提供了多组结构化照明图案，其对于由不同的光传输模式以及诸如散焦的光学加工引起的误差具有回复性。

我们提供了用于检测残余误差并且通过获取少量附加图像来校正误差的方法。我们的方法没有像现有技术中那样要求照明的广域和直接分量的明确分离。因此，与传统的明确方法相比，我们能够处理更大的分类的场景，同时要求更少的图像。

附图说明

图1是包括（A）-（D）的图，（A）-（D）是根据本发明的实施方式的作为结构化光图案的组的条带的数目的函数的投影器条带宽度的曲线图；以及

图2是根据本发明的实施方式的用于测量场景中的深度值的系统和方法的示意图。

具体实施方式

广域光传输下的结构化光的误差分析

根据结构化光方法的成形的基本原理是三角测量。投影器中的像素的各行和列被利用唯一的空间或时间码进行编码以形成结构化光图案。投影器利用光图案对场景进行照明，而相机获取一系列图像，每个图像用于每个图案。