.png){kind=icon}
返回
Deep Learning-Based Single-Frame Depth Reconstruction Empowered by Indirect Mapping
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3590858.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确高效的3-D测量一直是条纹投影 profilometry（FPP）中的关键研究重点，并使用单幅条纹图实现高精度3-D测量是该领域追求的最终目标。近年来，基于深度学习的条纹图案分析方法取得了显著进展，在此基础上，我们提出了一种基于深度学习的单帧FPP方法。该方法训练两个并联的U-Net网络来恢复包裹相位和深度信息，作为中间变量。此外，它结合相位-深度模型和绝对相位重归一化操作，用于后续计算和相位校正，确保深度信息的准确性。实验结果表明，所提出的方法能够从单幅条纹图案在复杂和动态场景中实现高精度深度重建，有效克服了传统方法的局限性，并显著提高了测量的精度和鲁棒性。该方法为采用单帧技术实现高精度深度重建提供了一种可行的解决方案。
Keyword:
3-D measurement
deep learning
depth reconstruction
dynamic scenario
fringe projection profilometry (FPP)
single frame
U-Net
期刊
IF:
5.9
论文数:
2.0W
被引数:
5.8W
机构
引用论文
Applications of three-dimensional imaging techniques in craniomaxillofacial surgery: A literature review.png)
BIOMEDICAL JOURNAL
OAAI
BIOMEDICAL JOURNALIF4.4
OAAI分享收藏Spatial phase unwrapping algorithm based on multi-anchors bidirectional location and suppression
PREAI
分享收藏Three-Dimensional Surface-Shape Measurement of Moving Billets Using Phase-Shifting Profilometry使用相移轮廓术对运动钢坯进行三维表面形状测量
PREAI
分享收藏
查看更多内容