探测距离表面大面积透明材料和厚度一直是一个困难的问题领域的行业。本文基于低成本TOF法连续波调制和深提出了卷积神经网络技术。透明材料表面之间的距离检测问题转换为求解光路的交叉路口和透明材料的前后表面。在此基础上,格雷码编码和解码操作相结合来实现检测表面之间的距离。孔的问题产生的深度图和细节损失低分辨率TOF深度传感器也被有效解决。整个系统简单,可以实现厚度检测的完整的表面积。此外,它可以检测大型透明材料的厚度超过30毫米,这远远超过现有的光学透明材料的厚度检测系统。
表面之间的距离检测透明材料一直是研究的热点领域的行业。传统的接触表面之间的距离检测方法是最简单、最低成本法,如游标卡尺、千分尺的使用。缺点是它只能探测到单一表面点的边缘附近的表面。它需要执行手动和不能实现自动化。所以,它是低效的,逐步消除。
目前,非接触表面之间的距离检测方法被广泛使用,大致可分为光学和nonoptical方法。典型的电容法(
直接光学方法包括光栅光谱和光三角。光栅光谱的目的是基于光栅光谱的原理
开发一种方法,可以检测的整个表面之间的距离大的透明材料,我们也指各种透明物体表面重建方法。Murase [
近年来,积极的飞行时间(TOF)深度传感器被广泛应用于三维数字建模领域的效率高、适应性广的优点。因此,少数研究人员也进行了一些初步研究活跃TOF传感器中使用透明材料的表面重建(
在这里,我们提出一个新颖的光学方法。这种方法使用低成本TOF传感器和深卷积神经网络技术来实现检测表面之间的距离大的透明材料。它可以有效地降低系统的成本。主要的思想是将检测透明材料表面之间的距离转换成前后表面重建的问题。我们进一步证明表面重建的透明材料也可以转化为寻找问题的光路的十字路口的前后表面透明对象及其表面正常。结合一系列的格雷码模式,整个检测系统简单,容易实现。本文的另一个贡献是引入深卷积神经网络领域的活跃的愿景。因此,低成本的性能TOF传感器是用来限制。我们的方法可以检测大型透明材料的厚度超过30毫米。
TOF深度传感器分为单光子计数测量方法和连续波调制测量方法根据发射光波的形式。在连续波调制方法中,调用一个正弦信号的信号光发射机。深度测量是通过计算接收和发射波之间的相位差,如图
TOF的连续波调制测量方法。
之间的距离检测原理的表面透明材料图所示
检测原理透明材料表面之间的距离。
格雷码序列。
图
正常透明材料的表面点的图。(一)正态分布在前表面上的一点。(b)正态分布后表面的一个点。
表面正常的点表示为
从方程(
有多个变量的表达式<我nline-formula>
用方程(
因此,在把方程(
所以,法线贴图可以解决方程(
上述方程可以被解释为一个估计后表面的形状,因为<我nline-formula>
在上面的测量模型,透明材料深度数据采集的完整性是至关重要的。低成本TOF深度传感器分辨率较低。此外,获得的深度图通常是受复杂因素影响这洞通常出现在物体的边缘和遮挡。它严重影响后续处理和信息提取
洞的深度图的例子。红色框中的对象是透明材料。
一个洞修补方法提出了基于卷积神经网络。首先,生成深度图和检测孔的位置生成一个洞面具地图。然后,这个洞面具地图和原始深度地图被送入深卷积神经网络实现无监督洞修补。
未经训练的深度使用卷积神经网络中,权重是随机初始化。自治区非监督学习过程,深度所需的网络权重参数映射生成补丁。即基于给定的破坏深度地图和task-dependent观测模型,给出随机卷积神经网络初始化。所提供的模型参数的迭代,使其接近最大似然值。本文深度地图修补任务表示为一个能量最小化的问题,给出的
图
深度图的网络结构修补算法。
过滤器的数量将采样单元和upsampling单元是16,32岁,64年,128年、128年和128年。内核大小是3和5。这些都是固定值。每次卷积后层、十亿层规范化的数据来提高图像恢复的细节。卷积神经网络,有必要利用激活函数作为一个非线性变换。复杂的映射关系可以习得的。算法中,有一个漏水的ReLU激活函数每个BN层后,给出的
来验证我们的方法的有效性,本文构建一个实验装置如图
实验设置。
来验证算法的性能,建立了实验装置被用来收集透明玻璃量筒的深度图,如图
深度图卷积神经网络修补过程中生成的。
从图可以看出
卷积神经网络修补效果。
修补效果的对比实验比较传统的中值滤波方法,采用高斯滤波方法,双边滤波方法,联合双边滤波方法,本文的方法。这些算法在实验中一些关键参数设置如下:滤波窗口的中值滤波方法4×4。高斯滤波方法的滤波窗口10×10。过滤器的标准偏差是1像素。双边滤波方法的过滤半径是5。滤波方差是5,和当地的方差是0.5。处理效果如图
比较各种算法的洞修补。(一)原始深度图。(b)中值滤波方法。(c)高斯滤波方法。(d)双边滤波的方法。(e)联合双边滤波的方法。(f)卷积神经网络方法。
图
相应的误差分布地图洞修补。(一)原始深度图。(b)中值滤波方法。(c)高斯滤波方法。(d)双边滤波的方法。(e)联合双边滤波的方法。(f)卷积神经网络方法。
Kinect深度传感器的校准,格雷码图像收集在两个不同的距离。这两个实验中选择距离60毫米和75毫米远离Kinect深度传感器。图
一套灰色的代码原始图像。(一)一组格雷码与透明物体图像。(b)的格雷码不透明物体图像。
格雷码的图像序列实验如图
图
格雷码图像。(一)一个格雷码与透明物体图像。(b)一个格雷码不透明物体图像。
三维变形点的距离60毫米的深度传感器获得使用相同的过程。三维变形点之间的差异在两个不同的距离参考光的方向。根据第二章的理论分析,点云图像前后表面的透明材料。图
点云的透明材料。
透明的对象与平面之间的距离表面上被修正后的对应点前后的表面。表
表面之间的距离数据的一部分(毫米)。
| 点1 | 点2 | 点3 | 点(4 | 点5 | 点6 | 点7 | 8点 | 点9 | 点10 | |
|---|---|---|---|---|---|---|---|---|---|---|
| 距离值 | 29.772 | 29.927 | 30.362 | 29.896 | 30.172 | 30.019 | 30.229 | 29.965 | 30.136 | 30.121 |
来验证我们的方法的性能,与大型平面两个透明的对象只在被用于检测厚度不同。这个实验评价方法得到均方根误差(RMSE)表面之间的间距和真正的厚度如下:
图
不同粗细的RMSE透明物体的分布地图。
透明的对象的测量误差分析。
| 数量 | 名义厚度(毫米) | RMSE(毫米) | 相对最小误差(%) |
|---|---|---|---|
| 1 | 30. | 0.2586 | 0.86 |
| 2 | 25 | 0.3417 | 1.3668 |
实验结果表明,该图像质量堪比(
面对的问题检测面积大的透明材料表面之间的距离和厚度,我们提出一个方法基于低成本TOF连续波调制和深度地图修补。我们从固有的光学表达式TOF深度传感器。基于深度传感器的成像原理的分析,结合的编码和解码操作使用格雷码来有效地实现检测透明材料的表面之间的距离。同时,考虑到问题的深度图生成的低成本TOF深度传感器包含许多漏洞产生巨大影响的检测、修复方法的提出了卷积神经网络。它有效地提高了整个检测系统的性能。
此外,尽管我们获得更好的检测结果,本文的方法是不适合的情况透明材料的折射率的变化。在未来,相关理论模型将改进和实验设备进行调整,以使它适合内部不均匀的透明材料。
没有数据被用来支持本研究。
作者宣称没有利益冲突。
作者要感谢江苏政府对海外学习奖学金(js - 2019 - 209)的支持。