Schmalz and Angelopoulou结构光解码算法

    此算法可以处理对颜色及材质有要求，且图像质量要求较高的物体。

    在这里我给出此算法的简单摘要。 

    首先，对输入的图像执行分水岭算法（watershed transform）。使用来自细分图像结果中的超像素来建立区域邻接图。使每个超像素都变成了图中的一个顶点。原图中像素属于超像素的中值来对顶点进行着色。区域邻接图的边来描述临近顶点之间的颜色的改变。根据它们在投影图像（projected pattern）中可能颜色的改变的匹配良好程度来进行着色。为找到投影图像（projected pattern）与摄像头图片之间的对应关系，必须在区域邻接图中找到代表着在投影图像（projected pattern）中的颜色改变的边的唯一序列。如果找到了匹配序列，通过最好最先搜索算法（best-first-search）将对应信息扩散到临近的顶点。一旦所有可能的区域都已经映射出投影条纹，条纹的边在原始图像中的位置的定位精度为亚像素级。投射光平面（或光锥）与从摄像头中的观测光使用三角测量即可以用来获取3D数据。这个基于图像解码的优势在于有效的对超像素进行着色，没有对颜色改变中中阈值的限定以及避开在区域邻接图中寻找替代路径中的摄像头图像的图案中任意的干扰的能力。

     此外，实现起来非常的快，可以在当前的硬件上实现实时的运行。

English Vision

---

版权声明
本博客所有的原创文章，作者皆保留版权。转载必须包含本声明，保持本文完整，并以超链接形式注明作者编程随想和本文原始地址：
https://idreamboats.blogspot.com/2013/01/schmalz-and-angelopoulou.html

---