UHRNet：基于深度学习的单幅条纹图精确三维重建方法
计算机视觉与模式识别
2023-05-01 v1 图像与视频处理
仪器与探测器
光学
摘要
在条纹投影轮廓术中从单幅条纹图快速准确地恢复物体高度一直是持续研究的课题。尽管基于单帧条纹到深度 CNN 的方法可直接从单幅图案恢复高度图，但其精度目前逊于传统的相移技术。为提升该方法的精度，我们提出使用 U 形高分辨率网络（UHRNet）。该网络以 UNet 编码解码结构为骨干，并应用多级卷积块和高分辨率融合块来提取局部特征与全局特征。我们还通过结合结构相似性指数度量损失（SSIMLoss）函数与分块 L2 损失函数设计了一种复合损失函数，以改善三维重建细节。我们进行了若干实验以证明所提方法的有效性与鲁棒性。已开展少量实验证明所提方法的有效性与鲁棒性，我们方法的三维重建平均 RMSE 仅为 0.443(mm)，是 UNet 方法的 41.13%，是 Wang 等人 hNet 方法的 33.31%。实验结果表明，我们所提方法能提升单幅条纹图三维重建的精度。
引用
@article{arxiv.2304.14503,
title = {UHRNet: A Deep Learning-Based Method for Accurate 3D Reconstruction from a Single Fringe-Pattern},
author = {Yixiao Wang and Canlin Zhou and Xingyang Qi and Hui Li},
journal= {arXiv preprint arXiv:2304.14503},
year = {2023}
}