双目散斑结构光

1、什么是散斑结构光

散斑，也叫伪随机散斑，由一些白色斑点组成的一种结构光图案，是一种空间编码结构光，现在通常与双目立体匹配结合使用，增加纹理信息，改善弱纹理、重复纹理区域的视差效果。

2、为什么要用散斑结构光

结构光有很多种，就会问为什么要用散斑？
那我们先来重温一下结构光的分类，结构光总共分为时间结构光和空间结构光两种。时间结构光按照时间序列对每个像素生成一个唯一的编码值，无法做到实时。那么空间结构光中，也有很多种，可以用方波、正弦波、DeBrujin序列、二维随机点阵（散斑），论文里面给出实验并证明了散斑和DeBrujin序列的双目立体匹配的效果是更好的。

前两列是经过极线校正的散斑图，最后一列是平面视差图，可以看到，方波和正弦波的视差图有明显的条纹现象，而DeBrujin序列和散斑则没有，效果更好。

3、如何生成散斑图

生成散斑图有四个方法：

1. 激光照射漫反射表面后干涉产生激光散斑图
2. 人工喷涂黑白漆形成散斑图
3. 利用某些材料表面的自然特征形成自然散斑图
4. 用计算机模拟生成数字散斑图

与其他方法相比，用计算机模拟生成的数字散斑图有以下优点：

• 可以控制散斑点的大小、数目、中心位置等特征；
• 可以控制噪声水平。

4、计算机模拟生成散斑图

4.1 全域位置随机散斑

原理：

这是比较常用的数字散斑的方法，它将一定数目的随机分布的高斯光斑叠加。假设图像的背景光强均匀，则图像灰度函数可表示为：

式中，s表示散斑的数目，a表示散斑的尺寸大小，$I_0$表示图像背景光强，通常$I_0$为1，一维随机变量$(x_k,y_k)$表示第k个散斑颗粒的中心位置，它可由均匀随机分布函数rand得到，可表示为：

经过实验，全域散斑图的参数有以下设计规则：

• 散斑点要小，即a要小，可设置为1；
• 散斑点要多，即s要大；
• 散斑图要大，即M、N要大。

以上三点规则都是为了避免散斑点的重合，导致大片白色区域出现，影响双目立体匹配的精度。

下面给出全域位置散斑图：

代码实现：

生成散斑图大小为512*512，散斑点半径为1，散斑点数量为4096的散斑图。

clear
clc
Num=4096;
Height=512;
Width=512;
I0=1;
R=1;
xk=randi([1,Height],Num,1); 
yk=randi([1,Width],Num,1);
for i=1:1:Height
for j=1:1:Width
Y=I0*exp(-(((i-xk).^2+(j-yk).^2)/R^2));
I(i,j)=sum(Y);
end
end
figure(1);
imshow(I);
imwrite(I,'C:\Users\19728\Desktop\ImgSpeck.bmp');

实验结果：

4.2 局域位置随机散斑

原理：

由于全域位置随机散斑是在全图随机分布的，因此容易使散斑中心位置重合，散斑图像中会出现大片的白色区域，不均匀，降低立体匹配的准确度，而调解参数也始终存在随机性。所以需要对随机散斑生成算法加以改进，给出局域位置随机数字散斑的算法。


经过实验，小区域要尽量小，但不能小于3，这样生成的散斑点的数量就会更多，能够覆盖更多的区域并且不会重合，即使在深度突变区域也有充足的散斑点，提高深度不连续区域的视差精度。下图是两个不同大小的区域生成的散斑图，可以看到，左边大区域生成的散斑图比较稀疏，在深度不连续区域的散斑点很少，而右图小区域生成的散斑图比较密集。

代码实现：

生成散斑图大小为512*512，散斑点半径为1，散斑点数量为4096的散斑图。

clear
clc
Height=512;
Width=512;
I0=1;
R=1;
m = 8;
n = 8;
p = uint32(Height / m);
q = uint32(Width / n);

xk = zeros([p*q,1]);
yk = zeros([p*q,1]);

for i = 1:1:p
    for j = 1:1:q
        x1 = randi([1,m]);
        y1 = randi([1,n]);
        xk((i-1)*q+j,1) = x1 + (i - 1) * m;
        yk((i-1)*q+j,1) = y1 + (j - 1) * n;
    end
end


for i=1:1:Height
    for j=1:1:Width
        Y=I0*exp(-(((i-xk).^2+(j-yk).^2)/R^2));
        I(i,j) = sum(Y);
    end
end
figure(1);
imshow(I);
imwrite(I,'C:\Users\19728\Desktop\ImgSpeck1.bmp');

实验结果：


可以明显的看到，局域位置散斑分布更加均匀，散斑中心不会出现重合的现象，这样能大大的提高匹配的准确率。

参考

[1]王茜. 基于数字散斑的双目视觉三维重建方法研究[D].西安理工大学,2015.
[2]周亭亭. 基于结构光的双目电子内窥镜的三维测量技术[D].浙江大学,2017.