基于MultiResHNet的结构光三维重建技术

杨丽婷 Yang Liting、刘孝良 Liu Xiaoliang、储修祥 Chu Xiuxiang、周路 Zhou Lu

2023Laser & Optoelectronics ProgressEngineering被引 7开放获取

摘要

随着深度学习和结构光条纹投影三维成像技术的发展，直接从单幅条纹图中恢复物体的三维形状的研究近年来受到了多个领域的关注。提出改进的全局引导路径网络MultiResHNet，实现对单幅条纹图的3D形状重建，将现有结构光学三维成像方案与深度卷积神经网络结合，对仿真数据和实验数据分别进行了验证。实验结果表明，所提方法预测的3D形状比已有的U-Net神经网络预测的3D形状更加准确，误差更小，精度更高。实验结果证明了所提技术的有效性和鲁棒性，为后续的3D形状重建技术的提高提供了科学依据，具有一定的参考和应用价值。

引用本文（GB/T 7714）

杨丽婷 Yang Liting, 刘孝良 Liu Xiaoliang, 储修祥 Chu Xiuxiang, 等. 基于MultiResHNet的结构光三维重建技术[J]. Laser & Optoelectronics Progress, 2023.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/lop223203

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。