PMD相位提取及相位展开简述

1.相位提取

  相位提取又分为好多种方法，但目前最常用的是相移法，利用相移法进行相位提取相移步数最少为3步，综合速度以及抗干扰使用4相移，相移步数越多可减少非线性噪声干扰，但提取速度会变慢，可利用12步相移减4步计算误差，消除并利用12补相移相位提取结果补偿4步相移结果。还有利用彩色条纹来减少图片张数的方法，但从软件层面避免颜色串扰较为困难，建议先完成基本的单目系统后再作研究。

 

  通过对B选择滤波的阈值可以看出一些缺陷，实验过程中发现条纹频率的选择对调制度的阈值选择有一些影响。通过调制度进行缺陷检测本质上可以理解为一种新的均匀的打光方式。利用对调制度的滤波其实就可以完成一些2D的缺陷检测，加上后续的无监督学习甚至可以把缺陷位置圈出，但没办法分类缺陷，也无法量化缺陷的大小。

    这里实现缺陷检测的原理是不同的缺陷造成的光路改变不同，划痕宽度、深度、灰尘、污垢 使用调制度表征缺陷的话阈值很难确定，划痕需要半定量分级（制造划痕，宽度同深度不同 深度同宽度不同，可能需要划痕对比板） 不同系统需分开分级，灰尘的区分可能需要白光照明模块来去除灰尘。

2.相位展开

  相位提取完成后，接下来就是进行相位展开，相位展开也分为很多方法，静态、精度要求高但时间要求不是非常快的建议使用时间域的展开，展开方法包括相移加格雷码及多频外差法等，动态速度要求高、精度要求不是很高的的建议选择空间域展开，展开方法包括Goldstein枝切法、质量引导法、以及最小二乘法等方法，但经过实验来说，比较推荐用时间域的展开，空间域展开实现起来门槛较高，且质量很难保障。同时，个人感觉深度学习进行相位展开纯骗局。

 

  时间相位展开：利用时间域获取的额外信息（即投射额外条纹的方式），计算获取条纹阶次展开包裹相位，只需单相机即可测量，具备鲁棒性、测量精度及成本方面的优势。

  空间相位展开：以局部或全局优化的方式，分析空间相邻像素的相位值、展开相位，具备时间效率方面的优势，常被应用于高速测量等对投射条纹幅数有要求的场景。

  时间空间域展开：将时间域的高鲁棒特性与空间域的速度性能特性结合,实现场景的三维重建。

  几何约束：利用不同仪器之间的空间约束关系或不同相位图之间的空间约束关系。

  深度学习：以数据训练的方式计算相位与三维数据

3.梯度图

利用待测物体相位展开结果与标准平面镜的相位展开结果做差后进行一系列运算可得到梯度图，此过程不需要进行标定。此步骤需要上边的相位展开的支持，本身的难度不大，但如果需要量化结果并进行积分重建的的话需要高精度的标定的支撑。

4.积分重建

积分重建需要高精度的标定支撑，本人并未进行实验，停留在理论阶段，所以进从理论层面进行简单介绍。

从离散的梯度数据gx和gy到镜面面形高度，可通过十字路径积分法、傅立叶变换积分法（FrankotChellappa)、a-surface积分算法、Southwell 积分算法。路径积分法容易受噪声影响;傅立叶变换积分法重建速度快但是精度低; a-surface积分算法在噪声小时可重建成功，噪声大时面形粗糙有失真，且重建时间长;Southwell积分算法对噪声免疫性强，可获取高质量的重建面形。因此预计会选择Southwell梯度积分算法重建三维面形。

此过程中还需要进行透射系统与反射系统的研究，条纹的离焦需要解决，高度带来的多义性需要研究，下表面寄生条纹的去除也需要进行实验。