Double-Shot 3D Shape Measurement with a Dual-Branch Network for Structured Light Projection Profilometry
Beijing Institute of Technology（北京理工大学）
针对单图案结构光三维重建中的条纹级次歧义和精度不足问题，提出融合CNN与Transformer的PDCNet双分支网络及DAAM和双峰高斯混合密度头，实现高精度双拍测量。
2024-12-10 cs.CV eess.IV
Fringe pattern analysis using deep learning
在许多光学计量技术中，条纹图分析是从记录的条纹图恢复底层相位分布的核心算法。尽管几十年来进行了大量的研究工作，但如何从最少数量的条纹图案中以尽可能高的精度提取所需的相位信息仍然是最具挑战性的公开问题之一。受最近深度学习技术在计算机视觉和其他应用中取得的成功的启发，在这里，我们首次证明，据我们所知，深度神经网络可以被训练来执行条纹分析，这大大提高了从单个条纹图解调相位的准确性。在条纹投影轮廓术的场景下，利用载波条纹图对所提出的方法进行了实验验证。实验结果表明，该方法在高精度和边缘保持方面优于两种具有代表性的单帧轮廓术：傅里叶变换轮廓术和加窗傅里叶轮廓术。
2018-07-08 eess.IV
VIRTUS-FPP: Virtual Sensor Modeling for Fringe Projection Profilometry in NVIDIA Isaac Sim
Department of Mechanical Engineering, Iowa State University（Iowa州立大学机械工程系）；College of Engineering, University of Georgia（佐治亚大学工程学院）
提出VIRTUS-FPP，首个在NVIDIA Isaac Sim中实现的端到端虚拟传感器建模框架，用于条纹投影轮廓测量，实现物理保真模拟，无需预校准物理系统，支持亚毫米级重建精度。
2026-06-05 cs.CV cs.GR eess.IV
Comprehensive Machine Learning Benchmarking for Fringe Projection Profilometry with Photorealistic Synthetic Data
Department of Mechanical Engineering, Iowa State University（爱荷华州立大学机械工程系）；College of Engineering, University of Georgia（佐治亚大学工程学院）
本文提出首个开源光真实合成数据集，用于评估干涉投影轮廓测量中机器学习方法的性能，通过系统消融研究发现单独归一化能显著提升重建精度，且U-Net在基准测试中表现最佳。
2026-02-03 cs.CV cs.LG eess.IV
Deep-learning-enabled geometric constraints and phase unwrapping for single-shot absolute 3D shape measurement
条纹投影轮廓术（Fringe projection profilometry，FPP）是一种非常流行的三维面形测量技术，在智能制造、缺陷检测等重要应用领域得到了越来越广泛的应用。在FPP中，如何有效地恢复绝对相位一直是一个很大的挑战。基于几何约束的立体相位展开（SPU）技术可以消除相位模糊，而不需要投影任何额外的条纹图，从而最大限度地提高了绝对相位的恢复效率。受最近深度学习技术在相位分析中的成功启发，我们证明了深度学习可以成为一种有效的工具，将相位检索，几何约束和相位展开步骤有机地统一到一个全面的框架中。在大量训练数据集的驱动下，神经网络可以逐渐“学习”如何将一个高频条纹图案转换为“物理上有意义的”和“最有可能的”绝对相位，而不是像传统方法那样“一步一步”。基于适当训练的框架，仅基于单帧投影就可以实现高质量的相位恢复和鲁棒的相位模糊消除。实验结果表明，与传统的SPU方法相比，该方法能够在更大的测量体积内，以较少的摄像机视角，更高效、稳定地对密集条纹图像进行相位展开。所提出的方法的局限性进行了讨论。我们相信，所提出的方法代表了一个重要的一步，在高速，高精度，无运动伪影的绝对三维形状测量复杂的物体从一个单一的条纹图案。
2020-04-23 eess.IV
RACE-FPP: A Robust AI-assisted Characterisation Enhancement for Fringe Projection Profilometry
University of Nottingham（诺丁汉大学）；Taraz Metrology Ltd.（塔拉兹计量有限公司）
本文提出RACE-FPP，一种将深度学习角点检测集成到条纹投影轮廓术全流程的表征增强方法，通过分析误差传播并采样相位值表征投影仪，显著降低重投影误差，提升测量鲁棒性。
2026-10-07 cs.CV eess.IV physics.optics
Diagnosing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry
Department of Mechanical Engineering, Iowa State University（爱荷华州立大学机械工程系）；College of Engineering, University of Georgia（佐治亚大学工程学院）
通过机械可解释性和共形不确定性量化诊断长距离单次条纹投影轮廓测量中网络依赖形状先验而非条纹相位解码的问题，提出PhiCalNet架构修复，将物体平均绝对误差降低3.3倍。
2026-07-10 cs.LG eess.IV
Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry
Department of Mechanical Engineering, Iowa State University（爱荷华州立大学机械工程系）；College of Engineering, University of Georgia（佐治亚大学工程学院）
研究远距离单次条纹投影轮廓术存在的形状先验捷径问题，提出PhiCalNet方法，通过输出包裹相位表示并映射到深度，消除形状先验解决方案，降低物体平均绝对误差，提升了轮廓术性能。
2026-07-15 cs.LG eess.IV
Using a Digital Twin for Fringe Projection Profilometry Optimisation
University of Nottingham（诺丁汉大学）
本文提出一种基于数字孪生的自动化框架，用于优化干涉投影轮廓仪的参数配置，通过模拟真实系统环境，提高了测量精度和效率。
2026-05-18 eess.IV physics.optics
Enhanced fringe-to-phase framework using deep learning
Yonsei University（延世大学）；Hongik University（弘益大学）；Purdue University（普渡大学）
针对结构光三维成像中少条纹图案下三维重建精度不足的问题，提出对称融合网络SFNet，结合异频条纹信息仅用两幅图即可实现高精度绝对相位恢复，实验验证有效且代码数据公开。
2024-02-01 cs.CV eess.IV
Variational phase recovering without phase unwrapping in phase-shifting interferometry
我们提出了一种变分方法恢复相位项从相移方法获得的信息。首先，我们介绍了新的方法的基础上变分方法，然后描述了所提出的代价函数的数值解，从而在一个简单的算法。对合成条纹图和真实条纹图的数值实验表明了算法的准确性和简单性。
2020-01-28 cs.NA eess.IV math.NA
Dynamic 3-D measurement based on fringe-to-fringe transformation using deep learning
条纹投影轮廓术（FPP）在动态三维面形测量中的作用日益重要。在FPP中，在进行形状轮廓测量之前，需要对被测物体的相位进行反演。然而，传统的相位恢复技术往往需要大量的条纹，这可能会产生运动引起的误差为动态对象。提出了一种基于深度学习的相位恢复技术，利用端到端的深度卷积神经网络将单个或两个条纹转换为相位恢复所需的条纹。当物体的表面位于一个有限的深度，所提出的网络只需要一个单一的条纹作为输入，否则需要两个条纹在一个不受限制的深度。首先对相位恢复技术进行了理论分析，然后通过数值模拟和实验验证了该技术在动态三维测量中的适用性。
2019-12-30 eess.IV
Adaptive Tiling for Least-Squares Phase Unwrapping: Runtime and Accuracy
Université de Montréal（蒙特利尔大学）
本研究针对最小二乘相位解缠，比较规则网格、四叉树和kd树分块策略，发现自适应分块虽减少块数但整体更慢且精度可能下降，建议以完整时间评估其价值。
2026-09-29 cs.CV cs.DC eess.IV
DeepOrientation: convolutional neural network for fringe pattern orientation map estimation
本文提出基于卷积神经网络和深度学习的局部条纹方向图估计新方法DeepOrientation，实验证明其优于经典组合平面拟合/梯度法，并在活体HeLa细胞定量相位成像中有效引导Hilbert螺旋变换的相位解调。
2023-10-23 eess.IV physics.optics
Microscopic 3D measurement of shiny surfaces based on a multi-frequency phase-shifting scheme
显微条纹投影轮廓术是一种功能强大的三维测量技术，只要被测目标能够以良好的条纹可见度成像，理论测量精度优于1微米。然而，在实际应用中，由于密集条纹的散焦和复杂的表面反射特性，很难完全重建被测表面的三维形状，导致条纹质量不高，强度饱和。为了解决这个问题，我们建议从条纹序列的一个子集，这是不受强度饱和计算这些突出显示的区域的相位。通过使用所提出的多频相移方案，可以显着提高三维表面重建的完整性。基于相位立体匹配方法，利用由非饱和强度得到的最终相位图实现了高精度的有光泽表面三维恢复。不同金属表面上的实验结果表明，我们的方法是能够检索到完整的表面光泽的形态与高精度和保真度。
2018-12-31 eess.IV physics.optics
UHRNet: A Deep Learning-Based Method for Accurate 3D Reconstruction from a Single Fringe-Pattern
School of Physics, Shandong University（山东大学物理学院）
针对单条纹图案三维重建精度不足的问题，提出以UNet为主干、融合多级卷积与高分辨率融合块的UHRNet，结合复合损失函数，大幅降低重建RMSE，提升单帧条纹投影的三维重建精度。
2023-04-23 cs.CV eess.IV physics.ins-det
High-speed and high-efficiency three-dimensional shape measurement based on Gray-coded light
条纹投影轮廓术在动态三维面形测量中的应用越来越广泛。在这项工作中，提出了一种基于格雷码光的鲁棒和高效的三维测量。与传统的相位展开方法不同，提出了一种新的三分量相位展开方法，避免了投影仪离焦和被测物体运动引起的码字边界跳跃误差。随后，提出了时间重叠编码策略，以大大提高编码效率，减少每个组中的投影数量，例如，对于一个恢复的3D帧，从7（3 + 4）减少到4（3 + 1）。两种技术的组合允许使用每4个投影图案重建具有强噪声的动态场景的像素级和明确的3D几何形状。该方法在保留了基于灰度编码的方法抗噪能力强的同时，克服了跳变错误和编码效率低的缺点。实验表明，该方法可以实现高速动态场景的高鲁棒性和高效率的三维形状测量，即使在强噪声污染下也是如此。
2020-01-19 eess.IV
AI-based single-shot structured-light depth reconstruction for real-time laparoscopic surgical guidance
Johns Hopkins University（约翰斯·霍普金斯大学）
本研究开发了一种基于AI的无同步单次结构光深度重建方法，用于腹腔镜手术导航，其在体模实验中达到了高精度和26.0 Hz的帧率，性能优于基线模型和现成单目深度模型。
2026-09-09 cs.RO eess.IV physics.optics
Zonal shape reconstruction for Shack-Hartmann sensors and deflectometry
本文针对Shack-Hartmann等传感器的区域形状重建，指出了经典Fried和Southwell模型因逐点导数假设引入偏差，提出一种无偏数据形成模型与正则化MAP重建方法，在自由曲面镜偏折测量中降低了总形状重建误差。
2024-10-10 eess.IV physics.optics
