仪器仪表学报

作者：叶 涛，何威燃，刘国鹏，欧阳煜，王 斌

单位：叶 涛,1. 中国矿业大学(北京)机械与电气工程学院,,何威燃,1. 中国矿业大学(北京)机械与电气工程学院,,刘国鹏,2. 中国煤炭科工集团太原研究院有限公司,,欧阳煜,3. 中国民用航空总局第二研究所,,王 斌,1. 中国矿业大学(北京)机械与电气工程学院,

关键词：线结构光;三维测量;卷积神经网络;残差U型块特征金字塔网络;背景噪声抑制

基金：国 家 自 然 科 学 基 金 项 目 ( 52374166 )、 北 京 市 自 然 基 金 项 目 ( L221018 )、 中 央 高 校 基 本 科 研 业 务 费 专 项 资 金 资 助 项 目(2024ZKPYZJD04)资助

线结构光视觉三维测量技术因其高精度和非接触的三维重建优势而被广泛应用。然而,现有的线结构光三维测量方法在标定过程中往往面临较高的耦合性问题,且在复杂环境下,背景噪声和光照变化会严重干扰条纹的提取,导致结构光条纹中心定位精度下降,进而影响整体三维测量的精度和鲁棒性。针对上述问题,提出了一种基于卷积神经网络的鲁棒三维测量方法。首先,设计了一种创新性的残差U型块特征金字塔网络(RSU-FPN),旨在实现背景噪声的干扰抑制和结构光条纹区域中心的高精度鲁棒提取。其次,构建了一种新型的线结构光视觉传感器,并提出了一种分离式测量模型,成功将摄像机标定与光平面标定解耦,极大地提高了系统的灵活性与扩展性。通过这种解耦的标定方式,避免了传统标定方法中存在的耦合问题,使得整个测量系统更加高效且易于调整。实验结果表明,所提出的基于卷积神经网络的鲁棒三维测量方法,在复杂背景下能够实现结构光条纹中心的高精度提取,利用提取出的光条纹中心进行标定,其均方根误差分别为x方向0.005mm、y方向0.009mm以及z方向0.097mm。并且,该方法在不同表面类型(如漫反射表面和光滑反射表面)上均能实现高精度的三维重建,验证了其在实际应用中的优越性和强大的鲁棒性。

来源：2025年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第2期