基于小波神经网络的复杂三维物体测量

• 作者: 蔡义祥 许罗鹏 赵玥 陈文静
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 三维面形测量 小波神经网络 函数逼近 傅里叶变换轮廓术
• 年，卷（期）: 2010,（4）
• 页码范围: 763-767
• 分类号: TN247|TP183
• 字数: 2392字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2010.04.016

摘要

将小波神经网络引入基于结构先投影的复杂物体三维面形测量.在测量过程中,利用小波函数的时频特性及变焦特性和神经网络强大的函数逼近功能,得到离散条纹图的连续逼近函数,从中解出物体的相位信息,获得物体的三维面形分布.应用小波神经网络,在结构光投影条件下,只需要获取一幅条纹图,便可以完成复杂物体的三维面形测量.该方法相比传统的傅里叶变换轮廓术方法,不存在滤波操作,具有更高的灵敏度,在条纹图存在阴影的情况下,能更准确获得物体的相位信息,更加适用于恢复复杂物体的三维面形.模拟及实验均验证了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈文静	四川大学光电子科学技术系	108	1229	23.0	32.0
2	许罗鹏	四川大学光电子科学技术系	6	11	2.0	3.0
3	赵玥	四川大学光电子科学技术系	5	11	2.0	3.0
4	蔡义祥	四川大学光电子科学技术系	4	11	2.0	3.0