简介

在近景三维重建领域，结构光技术凭借高精度与抗弱纹理干扰的特性，成为工业工件检测、逆向工程等场景的“标配”。不过，复杂室外环境（如强光、动态干扰）仍会影响其性能。目前结构光主要分为线结构光与条纹结构光两类——前者适合轮廓扫描，后者更擅长面阵式三维重建。本文将从条纹结构光入手，揭示其从原理到关键技术的完整逻辑。

1 从双目匹配到结构光：解决弱纹理的关键思路

典型的双目条纹结构光系统由两台相机与一台投影仪组成——若移除投影仪，它就是一套标准的双目立体匹配设备。

双目重建的核心是通过视差计算三维信息：左右相机拍摄同一物体，利用人眼“双目定位”的原理，先通过SIFT、SURF或ORB等特征描述子提取图像中的显著点（如边角、纹理突变处），再借助极线约束（将同名点搜索范围限定在一条直线上，把匹配复杂度从n²级降至线性）完成点对匹配，最后通过三角测量公式得到三维坐标。

但这个方案有个致命缺陷：当物体表面缺乏纹理时（如刚加工的金属工件、光滑塑料件），特征描述子无法提取有效点，匹配直接失效。比如下图中刚铣削完的铝件，表面几乎没有可识别的纹理，双目系统根本无法找到同名点。

如何破局？答案是主动投射结构化光——通过投影仪向物体表面“写入”人工纹理（如条纹、编码图案），强制为每个像素赋予可识别的“特征标识”。这一思路彻底解决了弱纹理问题，但仍受限于物体材质：高反光区域会“淹没”条纹细节，透明材质会导致光的透射干扰，这些我们后续再展开。

2 相移法+多频外差法：主动编码的核心工具

条纹结构光的关键是用周期性条纹为像素“编码”，其中最常用的是N步相移条纹——通过连续投射多幅相位递增的正弦条纹，捕捉物体表面的形变信息。

2.1 条纹的设计逻辑：从理想到实际

计算机生成的理想条纹（待投影仪投射）与相机捕获的形变条纹（物体表面造成的扭曲）有两个核心特点：

1. 单方向编码：条纹沿固定方向（如水平）排列，配合极线约束可将同名点搜索范围从“全图”缩小到“一条线”，大幅降低计算量；
2. 多周期灰度变化：一个视场内包含多个条纹周期（如10~20个），确保每个像素都能被唯一标识（类似“空间坐标的条形码”）。

相移条纹的生成遵循严格的数学公式。假设投影N步相移条纹，第k步（k=0,1,…,N-1）的条纹灰度值可表示为：$$I_k(x,y)=A+B\cdot \cos \left(\frac{2\pi fx}{W}+\frac{2\pi k}{N}\right)$$

其中：

• $A$：背景光强（条纹的平均灰度，决定整体亮度）；
• $B$：调制强度（条纹的灰度波动幅度，决定条纹的清晰度）；
• $f$：条纹频率（单位视场内的条纹周期数，频率越高，编码精度越高）；
• $W$：投影仪的横向分辨率（如1920像素）；
• $\frac{2\pi k}{N}$：第k步的相移量（每步相位递增$\frac{2\pi }{N}$，确保多幅条纹的相位差均匀）。

理想情况下，投影仪投射的是规则的正弦条纹，但当条纹遇到三维物体表面时，会因物体高度变化产生扭曲——相机捕获的条纹形变程度，直接对应物体表面的深度信息。这也是后续相位解算（从条纹形变中提取深度）的关键依据。

获取更多资料

我给大家整理了一套全网最全的人工智能学习资料（1.5T），包括：机器学习，深度学习，大模型，CV方向，NLP方向，kaggle大赛，实战项目、自动驾驶，AI就业等免费获取。