基于卷积神经网络的非织造材料三维点云重建*
2021-07-28陈旭旭王荣武
产业用纺织品 2021年4期
关键词:模型
陈旭旭 王荣武
东华大学纺织学院,上海201620
非织造材料指定向或随机排列的纤维通过摩擦、抱合、黏结或这些方法的组合而形成的片状物、纤网或絮垫等。非织造材料因其独特的三维结构在过滤[1-4]、卫生[5-6]、医用防护材料[7-8]和土木工程[9]等领域广泛应用。诸多学者就非织造材料的三维结构展开了研究。
目前,用于重建非织造材料三维结构的方法主要有激光共聚焦显微镜法[10]和工业CT法2种。其中,激光共聚焦显微镜法能够直接获取物体的三维深度信息,并有效过滤背景噪声,但激光扫描存在易损坏样品[11]和价格昂贵[12]等问题。工业CT法是采用X射线束对一定厚度的物体进行层面扫描而获取其三维结构信息的技术。样品扫描在密闭环境中完成,对检测环境有较高的要求。因此,这两种方法的普及使用难度很大。部分学者借鉴工业CT法与激光共聚焦显微镜法中的“切片”原理,在光学显微镜下,通过拍摄不同聚焦位置下的样品得到多焦面序列图像,利用聚焦测距(DFF)技术推算图像中各点的深度信息,从而达到对微小物体进行三维结构重建的目的。
DFF技术是一种从多焦面序列图像中获取物体或场景深度信息的一项技术[13-15],在PCB检测、机器人操作与控制[16]、三维模型重建[17]及工业[18]等领域应用较多。使用光学设备拍摄物体时,与焦平面平行的一个平面为真正合焦面。对于焦平面而言,由于人眼分辨力有限,能够清晰成像的焦平面往往是一个范围,称为景深(深度),只有在景深内的物体才能清晰成像。……
登录APP查看全文
