采用RBF神经网络求解反向条纹的研究

提出了一种利用RBF神经网络来确定摄像机和投影器坐标映射关系的方法。首先在投影器坐标系中将数据分为若干个16×16的子区域,然后以（l,m,lm,l2,m2）为输入层的5个神经元（其中l、m为投影器像素坐标）,以摄像机像素坐标i为输出层的神经元,建立RBF神经网络。利用RBF神经网络求解在投影器坐标系中摄像机像素坐标的分布模型,最后得到投影器像素点对应的摄像机像素坐标值。计算机模拟和实验结果表明,与已有的算法相比,该方法能更有效地提高反向条纹投影的求解精度。为反向条纹的求解提供了新方法。     

采用多投影器的反向条纹投影技术

提出运用多投影器同时投影的反向条纹投影技术。通过测量标准样品的绝对相位,为不同角度放置的投影器产生不同的反向条纹。检测时,投影器同时投影各自的反向条纹,若物体和样品一致,在摄像机上就得到一幅消除了阴影和截断的标准正弦条纹图,若物体有变形,仅用裸眼就能判断,用简单的傅里叶变换和相位展开就能定量地描述变形。对于复杂的不连续物体也只需获取一幅条纹图就能完成检测,在很大程度上解决了阴影及相位展开的问题,实现了该类物体的在线快速检测。阐述了该技术的原理,以双投影器的反向条纹投影为例,实验验证了提出方法的有效性,并进行了相应的误差分析和应用条件讨论。