当前位置: 首页 > news >正文

超表面赋能结构光三维重建 | 实现超大视场高精度实时重建

原文信息

原文标题:“Super-Large Field-of-View, High-Accurate and Real-Time 3D Scene Reconstruction Based on Metasurface-Enabled Structured Light”

第一作者:Zhengren Zhan

通讯作者:Zhengren Zhan

图片

三维场景重建主流技术对比分析

光学技术在传感探测领域中具有核心地位,而三维场景重建(即构建真实空间数字模型)的实现主要依赖三类技术,各技术的原理与局限如下:

1.纯视觉技术:通过摄像机采集目标场景的多视角图像,利用图像与现实空间的几何关系提取深度值,再经特征匹配与点云拼接获取全场景三维信息。但其短板在于摄像机对光照条件敏感,易导致深度信息精度不足。

2.激光雷达(LIDAR)技术:通过测量激光脉冲的发射 - 接收时间间隔,计算目标的距离、角度等参数。该技术需依赖复杂的系统结构,此前文献中已提及超表面在激光雷达系统中的应用可实现体积缩减。

3.结构光技术:伴随衍射光学的发展,该技术可无需机械扫描直接在空间生成随机点阵,有效弥补纯视觉与激光雷达的技术短板。但当前结构光技术仍面临系统厚度大、视场角小的关键问题。

图片

使用超表面投影随机点阵列重建的3D场景(来自原文)

超表面 - 结构光融合的三维重建方案设计

为突破结构光技术的现有瓶颈,作者团队提出超表面与结构光的融合方案,具体实现流程如下:

1.超表面投影设计:设计专用超表面,可将约 20000 个随机点投影至 4π 全空间范围;

2.深度信息计算:结合双目视觉技术与立体匹配算法,实时计算动态图像的深度信息,生成三维点云;

3.场景重建执行:通过连续帧的点云拼接完成增量点云重建,两台相机同步扫描捕获空间场景,再利用实时映射算法构建对应的三维点云与表面模型。

图片

超表面结构(来自原文)

超表面核心参数与设计优化

选用基于几何相位的非晶硅纳米块作为超表面单元,通过调整单元转角实现相位调制。单元具体尺寸参数为:长度 250nm、宽度 120nm、高度 280nm,单元中心间距 300nm。

1.视场角(FOV):亮点的最大衍射角 θ 可达 85.3°,对应单次透射 / 反射空间的 FOV 为 170.6°,整体衍射点可覆盖 4π 全空间;

2.亮点比例设计:目标投影图案需 10000 个亮点,通过优化设计使亮点占所有可控点的比例约为 25%;

3.散斑抑制:超表面单个周期包含 200×200 个单元(间距 300nm),共设计 5×5 个周期以减少激光散斑。

衍射图案与相位算法

目标衍射图案的设计直接影响重建效果:若重建场景中存在规则形状物体,均匀光点阵列可能避开物体边缘导致轮廓信息丢失,而随机点阵列可在保证点数充足的前提下,使部分光点覆盖物体边缘,保留边缘细节。该随机点阵列对应的相位分布通过 Gerchberg-Saxton(GS)算法求解获得。

技术优势与前沿应用展望

与传统激光点云三维重建技术相比,基于超表面的结构光技术具有两大核心优势:一是显著提升视场角覆盖范围,二是在系统集成性上表现出突出优势。该技术为实时虚拟现实(VR)、全息通信、数字城市建设等前沿领域的发展奠定基础,未来有望在上述领域拓展更广泛的应用场景,具备广阔的技术应用潜力。

OAS 光学软件的超表面设计功能非常便捷,该功能将构建更为高效、精准的超表面设计流程,进一步推动光学领域的发展。OAS 光学软件已在超表面设计中展现卓越效能,为科研人员和工程师提供技术保障。


文章转载自:

http://0LlJuXgT.yccnj.cn
http://j5QDIf7u.yccnj.cn
http://7NjyGdLB.yccnj.cn
http://8FLEQzcs.yccnj.cn
http://54e0LtqI.yccnj.cn
http://RG0YFbcb.yccnj.cn
http://iIidaOae.yccnj.cn
http://tKBk373U.yccnj.cn
http://vQjfBdVk.yccnj.cn
http://4hUsU76c.yccnj.cn
http://tVoFHNQI.yccnj.cn
http://Q3k8LppB.yccnj.cn
http://Ef88T0V2.yccnj.cn
http://uPZnoR8a.yccnj.cn
http://LiVZUiY9.yccnj.cn
http://Pr1uv2Za.yccnj.cn
http://7MbHkpJT.yccnj.cn
http://jy9DnZ2R.yccnj.cn
http://G71mFMqh.yccnj.cn
http://5r6V1OEG.yccnj.cn
http://SPXuhVy1.yccnj.cn
http://TNgb9QBi.yccnj.cn
http://rsWzu6jB.yccnj.cn
http://rQsz2whO.yccnj.cn
http://jnpxRTP4.yccnj.cn
http://UvhRRAdd.yccnj.cn
http://09CiKTej.yccnj.cn
http://Ob9tdYjo.yccnj.cn
http://U4pet1Gb.yccnj.cn
http://k66M4CgN.yccnj.cn
http://www.dtcms.com/a/386677.html

相关文章:

  • 在Oracle\PG\GaussDB库中实现用户甲在其它用户的SCHEMA中创建表的方法及所属属主的差异
  • TDengine IDMP 基本功能——数据可视化
  • SpringMVC静态资源与Servlet容器指南
  • 安卓实现miniLzo压缩算法
  • [deepseek]LNK2001错误即单独编译汇编并链接
  • Interview X,新一代面试工具
  • Oracle sql tuning guide 翻译 Part 6 --- 优化器控制
  • Git 原理与使用
  • 什么是向量数据库
  • 利用postgres_proto和pgproto测试postgres协议访问duckdb
  • 拼多多-----anti_content逆向分析
  • 【一文了解】Unity的协程(Coroutine)与线程(Thread)
  • 贪心算法在网络入侵检测(NID)中的应用
  • 数据搬家后如何处理旧 iPhone
  • [react native招聘]
  • IDE工具RAD Studio 13 Florence重磅发布:64 位 IDE + AI 组件全面升级!
  • session存储
  • Another Redis Desktop Manager 的 SCAN 使用问题与风险分析
  • MATLAB绘制一个新颖的混沌图像(新四翼混沌系统)
  • AI起名工具
  • typeScript 装饰器
  • 【算法磨剑:用 C++ 思考的艺术・单源最短路进阶】Bellman-Ford 与 SPFA 算法模板精讲,突破负权边场景
  • 单元测试:驱动模块与桩模块在自顶向下和自底向上的策略中的作用
  • SpringBoot MVC 快速入门
  • Nature Communications 北京大学联合德国马普所在触觉传感器方面取得进展,实现机器人指尖超分辨率力感知
  • 解决一次 “Failed to load model because protobuf parsing failed”:从现象到根因与修复
  • 从ppm到ppb:全面解读浓度单位转换的诀窍
  • 贪心算法应用:霍夫曼编码详解
  • NLP Subword 之 BBPE(Byte-level BPE) 算法原理
  • 【nodejs】Windows7系统下如何安装nodejs16以上版本