一种基于Blender的光场结构光数据集制作方法

计算;推算;计数设备的制造及其应用技术一种基于blender的光场结构光数据集制作方法技术领域1.本发明属于计算机三维视觉技术领域，具体为一种基于blender的光场结构光数据集制作方法。背景技术：2.在光学三维测量领域中结构光三维测量方法因其具有高精度、高分辨率等特性，已广泛应用于医疗诊断、机械加工、服装设计、逆向工程、虚拟现实等众多领域。随着人工智能领域的发展，三维测量领域也逐渐地结合了深度学习的方法，将深度学习广泛的应用到条纹图的去噪、相位展开、绝对相位到深度的预测等领域中，而光场相机在近些年也逐渐被用于三维测量领域中。与传统方式不同，光场相机可以捕获视界内光线的方向等信息，收集了比传统摄影更多的信息，可以实现深度测量、重聚焦等功能。3.近几年，很多研究学者将条纹投影、光场成像和深度学习组合了起来。深度学习训练需要大量的数据进行支撑，但是目前公共的光场结构光数据集仍然是缺乏的。为了解决光场数据集的信息稀少问题，本发明提出了一种基于blender的光场结构光数据集制作方法。技术实现要素：4.有鉴于此，本发明旨在提出一种基于blender的光场结构光数据集制作方法，适用于光场结构光深度学习的训练，解决了现实中光场结构光数据集制作成本高的问题，同时避免了在基于深度学习的光场结构光深度估计中标签制作困难的问题。5.为达到上述目的，本发明提出了一种基于blender的光场结构光数据集制作方法，包括以下步骤：6.s1：构建基于blender的光场结构光数据生成系统，其中包括模型、相机矩阵以及投影仪；7.s2：向系统内输入物体模型，调整物体参数，包括大小、旋转角度、位置；8.s3：设置物体旋转角度变换的关键帧；9.s4：向系统内的投影仪输入结构光图像，设置其自动化投影；10.s5：对系统的相机进行配置，调整相机的参数，包括相机数量、焦距、景深、相机间距、传感器尺寸、相机与物体距离；11.s6：通过插件输出光场结构光图像以及每幅图像对应的深度图与视差图；12.进一步地，步骤s2中，物体模型格式包括不限于dae、abc、bvh、ply、stl、fbx和obj；物体模型的类型包括不限于人、车、房子、汽修零部件和动物。13.进一步地，步骤s4中输入的结构光图像包括散斑图与光栅条纹图，其散斑图为一种无序分布的亮暗斑点。其光栅条纹图相移表达公式如下：[0014][0015]其中in(x，y)为第n幅光栅条纹图的光强分布；a(x，y)和b(x，y)分别为光栅条纹图的背景和调制光强；为相移常数；δn为第n幅光栅条纹图的相移值。[0016]进一步地，步骤s4中插件是一种基于blender的光场结构光数据集制作插件，包括：[0017]相机参数批量修改模块：用于对于相机矩阵的每一个相机参数进行批量修改，包括：焦距、分辨率、传感器面积、光圈；[0018]光场参数批量修改模块：用于相机矩阵的数量、相机之间的距离、以及拍摄的深度距离进行批量修改；[0019]视差模块：用于修改相机拍摄的最大视差与最小视差；[0020]图像生成模块：用于生成最终的光场图像、深度图与视差图，可以设置拍摄的起始帧、最终帧与帧间隔。[0021]进一步地，步骤s6中输出的深度图大小与范围设置于权利要求4中插件的光场参数批量修改模块，视差图的大小及范围设置于权利要求4中插件的视差模块，输出的图像的数量与分辨率设置于权利要求4中插件的相机参数批量修改模块。[0022]相对于现有技术，本发明所述的一种基于blender的光场结构光数据集制作方法具有以下优势：[0023](1)本发明采用blender软件，根据光场模型和结构光模型搭建相应的框架自动生成光场结构光数据，具有生成速度快、生成标签准确且成本低的特点；[0024](2)本发明生成的数据集可应用于各种深度学习方法的训练，包括由光场条纹图到相位展开预测、由条纹图到深度图预测，也可应用由单目或多目图像到深度图预测；[0025](3)本发明生成的数据集的每张图像具有对应的标签，即与生成图像相同分辨率的深度图与视差图以及高分辨率(10倍)的深度图与视差图，可应用于光场结构光超分辨计算等相应算法验证。附图说明[0026]构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：[0027]图1为本发明一种基于blender的光场结构光数据集制作方法的流程图；[0028]图2为本发明系统结构示意图；[0029]图3为本发明输入的结构光图像，分别为光栅条纹示意图和散斑示意图；[0030]图4为blender系统中投影仪的节点示意图；[0031]图5为本发明输入开源免费模型深度图示意图；[0032]图6为本发明输入开源免费模型视差图示意图；[0033]图7为本发明输入开源免费模型示意图；[0034]图8为本发明基于blender的光场结构光数据集制作插件示意图；[0035]图9为本发明输入的开源免费模型条纹结构光投影示意图；[0036]图10为本发明输入的开源免费模型输出的五个角度与某个角度光场图像示意图。具体实施方式[0037]需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。[0038]在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。[0039]在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“完整”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。物体可以不完整，包含完整应是最佳实施方法。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。[0040]下面将参考附图并结合实施例来详细说明本发明。[0041]为更好理解上述技术方案，下面将结合说明书附图以及最佳实施方式，对上述技术方案进行详细地说明。[0042]本发明提出了一种基于blender的光场结构光数据集制作方法，下面结合附图和具体实施方式对本发明进行更详细地描述。[0043]在本实施例中，使用附图7作为输入模型，包括以下步骤：[0044]步骤一、构建基于blender的光场结构光数据生成系统，其中包括模型、相机矩阵以及投影仪；[0045]步骤二、向系统中输入模型：[0046]调整物体参数，包括大小、旋转角度、位置使其可以完整的被所有相机拍到；[0047]步骤三、设置物体旋转角度变换的关键帧；[0048]在本实例中，设置每拍12幅图像就旋转物体一次，共旋转5次拍摄60幅图像。其中旋转角度采用欧拉旋转。第一次旋转为x轴-60度，y轴-60度。第二次旋转为x轴-60度，y轴-30度。第三次旋转为x轴-60度，y轴30度。第四次旋转为x轴-60度，y轴60度。第五次旋转为x轴-30度，y轴-60度。[0049]步骤四、向系统内的投影仪输入结构光图像，设置其自动化投影；[0050]在本实例中，输入的结构光图像分别为光栅条纹结构光与散斑结构光。条纹结构光其相移表达公式如下：[0051][0052]其中in(x，y)为第n幅光栅条纹图的光强分布；a(x，y)和b(x，y)分别为光栅条纹图的背景和调制光强；为相移常数；δn为第n幅光栅条纹图的相移值，比如四步相移的相移值就为0、π/2、π、3π/2。为了求解相移常数，需要联立至少三个方程。本实例采用四步相移法，所以得到联立公式：[0053][0054]因为灰度值的范围为[0，255]，而本实例采集的图像宽度为512像素，所以无法单个周期的相移图来标记整张图像。解决的方法用很多，分为空域和时域展开。本实例主要采用的是时域展开中的多频外差方法，投影仪投射不同频率的正弦光栅，然后将小周期的相移常数转变为大周期的相位差，根据相位差计算出整幅图像的绝对相位分布。可推出双频外差大周期计算函数为：[0055][0056]其中t1和t2为两个不同频率的光栅条纹图周期。本实例选取的t1和t2数值分别为16和18，经过计算可得t12为144。引入三频外差，增加频率t3为21，则经过计算可得t23为126。最终计算t123为1008大于512，即可以完成整幅图像的标记。如附图3左边的12张图为生成的波长为16、18、21光栅条纹图。[0057]散斑结构光的生成为无序的亮斑分布图，本实例中亮斑最小尺寸为2像素，如图3右边的散斑图。[0058]步骤五、对系统的相机进行配置，调整相机的参数，包括相机数量、焦距、景深、相机间距、传感器尺寸、相机与物体距离；[0059]在本实例中，通过一种基于blender的光场结构光数据集制作插件对相机进行配置，其中相机基于光场理论应设置为矩阵，其中相机矩阵面积设置为9x9(个)。[0060]步骤六、输出图像与对应的深度图与视差图。[0061]所述步骤s6中输出的深度图大小与范围设置于基于blender的光场结构光数据集制作插件的光场参数批量修改模块，视差图的大小及范围设置于基于blender的光场结构光数据集制作插件的视差模块，输出的图像的数量与分辨率设置于基于blender的光场结构光数据集制作插件的相机参数批量修改模块。输出的结果如附图10所示。[0062]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作地任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!