Page 8 - Методы восстановления трехмерной структуры объектов для многоканальных систем регистрации с использованием структурированной подсветки
Basic HTML Version
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2012
192
возможных положений в пространстве. Поскольку проектор и обе
камеры откалиброваны, то с помощью эпиполярных соответствий [1]
можно вычислить возможное положение точки в пространстве,
используя ее координаты
1
к
v
на изображении с первой камеры, зна-
чение относительной фазы
1
( )
к
v
и возможное значение периода
(1, )
p N
, и спроецировать ее в фокальную плоскость второй каме-
ры, получив некоторую точку
2 1
к к
, ,p
v (v )
. Для полученных таким
образом
N
точек-кандидатов может быть построена оценочная
функция
( , , )
C u v p
, описывающая меру близости сопоставляемых на
двух изображениях точек, аналогично работе [2] для алгоритмов
стереоотождествления. Как и в задаче стереоотождествления, для
расхождения
d
период
p
для каждого пиксела можно определить
независимо, путем определения минимума
) , ,(
pvuC
. Но, несмотря
на кажущуюся малую вероятность того, что некоторый случайный
пиксел изображения со второй камеры будет соответствовать точке с
таким же коэффициентом отражения и иметь такое же значение
относительной фазы, как и «правильный», из-за возможного нару-
шения модели диффузного отражения, шумов камер, а также возмож-
ных неточностей процесса калибровки, полученная таким образом
карта абсолютной фазы
( , ) = ( , ) ( , )
a
u v
u v p u v
будет иметь до-
вольно большое число точек с неверно определенным периодом
( , )
p u v
. Как и для стереоотождествления, более надежными являются
методы глобальной оптимизации. Задача оптимизации в целом
абсолютна аналогична подобной задаче для стереоотождествления и
может быть решена аналогично с использованием метода распро-
странения доверия для минимизации суммарной оценочной функции
(глобальной энергии) марковского случайного поля [20]:
( ) = ( )
( ),
d
s
E p E p E p
(3)
где
— параметр настройки алгоритма. Сформулируем выражения
для слагаемого данных
) (
pE
d
и слагаемого гладкости
) (
pE
s
. Сла-
гаемое данных
( , )
( ) = min ,
( , , )
( , , )
d
d I
d
u v
E p
C u v p C u v p
(4)
состоит из двух компонентов:
описывающего меру близости двух сопоставляемых точек
изображений, в качестве которого может быть использована любая
функция, приведенная в работе [2], например
1
2 2
2
( , , ) = ( , )
( ( , , ), ( , , ) ;
I
C u v p I u v I u u v p v u v p
(5)
