惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

K
Kaspersky official blog
罗磊的独立博客
F
Fortinet All Blogs
人人都是产品经理
人人都是产品经理
量子位
V
Visual Studio Blog
Blog — PlanetScale
Blog — PlanetScale
M
MIT News - Artificial intelligence
B
Blog RSS Feed
腾讯CDC
博客园_首页
aimingoo的专栏
aimingoo的专栏
博客园 - 三生石上(FineUI控件)
博客园 - Franky
S
SegmentFault 最新的问题
N
Netflix TechBlog - Medium
小众软件
小众软件
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
L
LINUX DO - 热门话题
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Martin Fowler
Martin Fowler
D
Docker
P
Privacy & Cybersecurity Law Blog
S
Securelist
V
V2EX
Jina AI
Jina AI
阮一峰的网络日志
阮一峰的网络日志
T
Tor Project blog
The Hacker News
The Hacker News
Microsoft Azure Blog
Microsoft Azure Blog
AWS News Blog
AWS News Blog
The GitHub Blog
The GitHub Blog
有赞技术团队
有赞技术团队
T
The Exploit Database - CXSecurity.com
Help Net Security
Help Net Security
酷 壳 – CoolShell
酷 壳 – CoolShell
Application and Cybersecurity Blog
Application and Cybersecurity Blog
博客园 - 叶小钗
Recent Announcements
Recent Announcements
Cloudbric
Cloudbric
Y
Y Combinator Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Latest news
Latest news
MongoDB | Blog
MongoDB | Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Recorded Future
Recorded Future
V2EX - 技术
V2EX - 技术

编程与诗|飒白的个人博客|飒白的闲话仓库|一位主播和程序员的奇妙组合体

侯捷c++笔记:c++泛型与高级用法 侯捷c++笔记:c++面向对象的指针类 侯捷c++笔记:c++面向对象的无指针类 03《穷查理宝典》 查理·芒格丨读书笔记 02《穷爸爸富爸爸》 罗伯特·清崎丨读书笔记 01《影响力》罗伯特・西奥迪尼丨读书笔记 给CNN添加TVloss的随记 三维重建论文笔记 DeMoN:Depth and Motion Network for Learning Monocular Stereo 三维扫描系列 点云绪论 修改DCNN使其输入从无监督变为有监督模型 茫茫摄影路:好照片的基本三要素 pytorch学习日记:创建Tensor pytorch学习日记:张量数据类型 研究生涯005 利用蒙特卡洛方法实现21点问题的最优解 研究生涯004 基于深度学习的水质图像分类 研究生涯003 基于最近邻法手写数字识别设计 研究生涯002 汽车模糊推理系统实验 研究生涯001 浅析机器视觉在医疗影像处理中的应用 人工智能问答NO.8 决策树与随机森林
基于结构光投影三维重建:格雷码编码与解码
飒白 · 2021-04-06 · via 编程与诗|飒白的个人博客|飒白的闲话仓库|一位主播和程序员的奇妙组合体

一 单目结构光编码目的

类似于双目,如果把投影仪看成一个逆相机,直到空间中的一点成像平面的位置,就可以知道空间中一点的坐标。

双目结构光原理图

编码的目的:知道打在物体物体表面的光是从投影仪的那个像素发出来的,就知道在投影仪的虚拟成像位置。

二 格雷码的编码与解码

2.1 格雷码vs二进制码

格雷码与二进制码区别

格雷码是一种二进制码,最大的特点是相邻格雷码编码只有一位不同。

所以格雷码解码更稳定,相对不容易出错。

体现在

  • 明暗交接处变换更少:

对于格雷码来说,明暗交接处变换更少,如图所示二进制下部有7次变换,而格雷码只有4次。黑白交接的影响主要是在解码上,解码很重要的环节就是二值化,一般情况下全黑和全亮是不容易出错的,因为在实际应用中投影交界处是渐变的,阈值很难确定(还有物体边缘的影响)。

  • 最细的条纹宽度更宽

在相机对焦外,可能投影会糊掉,所以条纹越宽越不容易糊掉。

二进制编码与格雷码编码不同

2.2 编解格雷码

如果单纯的编制一张图片的话很简单,如上一节图所示,最低一行(最后一位)变化为0110周期,第二行为0011100周期,第三行为0000111111110000周期(2的指数级增长)。

二进制码->格雷码

1.对n位二进制的码字,从右到左,以0到 n-1编号

2.如果二进制码字的第i位和i+1位相同,则对应的格雷码的第i位为0,否则为1

格雷码->二进制码

从左边第二位起,将每位与左边一位解码后的值异或,作为该位解码后的值(最左边一位依然不变)。依次异或,直到最低位。依次异或转换后的值就是格雷码转换 后的二进制值。

格雷码转二进制码示范

以十进制数6为例,格雷码->二进制码

第一位不变: 1

第二位(0)与第一位解码后的值(1)异或:1

第三位(1)与第二位解码后的值(1)异或:0

三 图片二值化方法

原图、灰度图与二值化图

前提条件:每个在投影仪照射范围的点都至少需要经历一次明暗变换,即总要能找到一张图该位置为 0,另一张图该位置是1

实现方法

方法一: 增加两张图, 一张全黑图,一张全亮图

方法二: 去除全0和全1的编码 ,让每个编码至少含有一个0和一个1(不建议,可能会破坏格雷码稳定性)

二值化方法

二值化公式

对于每个像素,计算其在整个时间序列(一组)下的最大值和最小值,然后对当前图片像素二值化就 是计算出一个如上式所示的阈值,阈值大于0.5的时候则为1,小于0.5则为0。

四 其他离散型编码

在某些场景下,由于物体材质的原因,格雷码效果不好;物体受到全局光照影响特别大;

Global illumination 全局光照:

1 inter-reflection 内反射 – long range effect

2 diffusion 漫反射 – long range effect

3 sub-surface scatter 下表面散射 – short range effect

全局光的影响

全局光照对解码影响:解码错误

解决思路

不同的全局光,对不同频率的编码光影响不同。

1 高频光适合 (long range effect): 内反射, 漫反射

格雷码

有可能第一行右边亮的地方点亮左边暗的地方,所以需要更密集的投射如下:

XOR-04

2 低频光适合 (short range effect): 下表面反射(影响临近的点)

低频光因为影响临近,所以最好是越低频越好,如下:

min-SW

其实相对来说格雷码最稳定,而上面这种方法会生成过多的图片,会对点云帧率有所影响。

方法对比

参考论文: Structured Light 3D Scanning in the Presence of Global Illumination

五 总结

格雷码编解码流程:

格雷码编解码流程

特殊应用场景:

特殊应用场景