Fringe projection profilometry with nonparallel illumination: a least-squares approach
PulseAugur coverage of Fringe projection profilometry with nonparallel illumination: a least-squares approach — every cluster mentioning Fringe projection profilometry with nonparallel illumination: a least-squares approach across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI通过新的RACE-FPP方法提高3D扫描精度
研究人员开发了RACE-FPP，一种用于增强条纹投影轮廓测量法（FPP）系统表征的新型AI辅助流程。该方法将基于深度学习的角点检测集成到标准的相机表征工作流程中，解决了镜头模糊和目标方向变化等影响精度的挑战。通过分析定位误差在整个FPP表征链中的传播方式，RACE-FPP将相机重投影误差从1.237像素显著降低到0.259像素，并将投影仪重投影误差提高了约50%。这带来了更可靠的工业FPP测量和增强的3D重建几何精度。
-
新方法改进三维成像不确定性建模
研究人员开发了一种在三维成像中创建面向点的协方差场的新颖方法，特别解决了条纹投影轮廓测量法的局限性。这种面向传感器的感知方法能够准确地模拟由相位噪声引起的三维各向异性不确定性，这是该技术中的一个常见问题。通过整合实验测量的相位精度和校准映射，该方法生成了更鲁棒的协方差表示，显著提高了概率配准和融合任务的性能，优于传统的各向同性模型。
-
新的FPP框架使用基于光线的投影校正相位误差
研究人员开发了一种新颖的基于光线的微型条纹投影轮廓测量（FPP）系统的相位误差校正框架。该方法沿投影光线对相位伪影进行建模，整合了投影仪几何结构，而无需依赖图像域处理。该方法引入了一种使用单向双曲条纹图案的投影仪针孔估计技术，从而无需立体校准即可恢复投影仪几何结构。实验表明，在非线性投影条件下，FPP系统的重建精度得到了显著提高。
-
新方法提高了3D扫描的准确性和一致性
研究人员开发了一种新的条纹投影轮廓测量方法，提高了深度重建的空间一致性。该技术将跨像素的相位到深度变换耦合起来，使用共享的低维映射而不是独立的每像素拟合。该方法在牙科目标上进行了演示，实现了与主动立体方法相当的精度，同时显著减少了伪影和参数存储。
-
NVIDIA Isaac Sim新增虚拟传感器以实现3D表面重建
研究人员开发了VIRTUS-FPP，一个在NVIDIA Isaac Sim中模拟条纹投影轮廓测量（FPP）的新型框架。该工具能够为3D表面重建创建高保真合成数据，无需复杂的物理校准和实验。该框架精确地模拟了从光线投射到3D重建的整个FPP流程，在模拟中展示了亚毫米级精度。