【前沿】成像“跨界”测量——扫焦光场成像

0 1 背景

眼睛是人类认识世界的重要"窗口",而相机作为眼睛的"延伸",已经成为生产生活中最常见的工具之一,广泛应用于工业检测、医疗诊断与影音娱乐等领域。传统相机通常以"所见即所得"的方式记录场景,传感器捕捉到的二维图像实际上是高维光信号的强度投影信息,丢失了光信号中实际蕴含的深度、角度与相位等维度信息。

光场成像技术则突破了传统成像的维度局限,能够同时记录光的空间和角度信息,发展出了新型计算光学成像模式。然而,光场信息的获取也面临着"鱼和熊掌不可兼得"的难题。例如:目前常用的光场相机借助微透镜阵列将光信号的空间与角度信息同时记录在传感器上,这也意味着传感器的像素总容量需要部分分配给角度信息,故只能得到较低空间分辨率成像结果;虽然利用光场空间-角度信息能够进一步估计观测场景的深度信息,但是只能反映场景的相对位置分布,无法得到真实的物理尺度。

如何获得高空间分辨率光场信息并实现光场测量是拓展光场成像技术应用领域范围亟待解决的问题**。**深圳大学刘晓利教授团队提出一种扫焦一致性光场成像方法,通过相机成像标定建立焦点扫描空间中精确的物像空间转换关系,实现了空间一致性光场重建。在此基础上,在度量空间中将重建物光场的深度感知转化为深度测量,实现了扫焦光场成像与测量。

0 2 一致性光场成像与测量

2. 1 一致性光场成像分析

计算光场成像技术借助光场传输特性对入射光场进行先调制、后解调,无需增加额外的光学器件即可获取高空间分辨率光场信号,为传统相机赋予了光场成像能力。图1展示了基于焦点堆栈的光场重建过程。利用相机与物体的相对移动或调节成像焦面,采集不同焦面上的图像来构建焦点堆栈。每幅图像对应特定传播距离处的光场空间-角度重采样,即携带了部分光场信息,进而利用光场传输特性可以从焦点堆栈中反演全像素分辨率光场信号。

图1 基于焦点堆栈的光场重建

光场信息复原源自于具有特定焦点位置关系的图像堆栈,其重建精度依赖于传输距离先验的准确性与光学系统的成像特性。根据相机成像关系,物空间的传播距离与像空间的像面位置并不是线性关系,破坏了物像空间中光场传输信息的一致性 。此外,使用相机镜头不可避免地会引起桶形、枕形畸变等非线性图像变形。这些物像空间的非线性因素最终影响了光场重建精度。

为解决上述问题,研究团队提出了一种一致性光场成像方法。 首先,对扫焦光场成像的空间一致性问题展开研究。使用光场相机采集的光场数据作为参考光场,进行数字重聚焦后生成不同焦面的图像作为像空间图像堆栈,该过程等价于传统相机的堆栈采集过程。随后,分别使用物空间和像空间的传输距离从原始图像堆栈中重建光场信息。其中,像空间光场重建满足空间一致性条件,而物空间光场重建不满足空间一致性条件,结果如图2所示。图2(a)展示了对光场数据进行重新排列而得到的多视角图像,等效于不同视角下的拍摄效果,反映了场景光场的角度信息,可以对光场重建结果进行可视化和对比分析。图2(b)展示了重建的像空间光场和物空间光场相对于参考光场的误差对比结果,可以看出:相较于物空间光场,满足空间一致性的像空间光场具有更低的重建误差,可以准确恢复光场不同观察视角的结果。通过对光场多视角成像和不同扫焦深度范围的光场重建进行实验对比和分析可知,满足空间一致性条件是高精度光场重建的必要条件。

图2 光场重建对比分析。 (a) 光场多视角成像; (b) 空间一致性问题的光场重建误差对比

2. 2 一致性光场深度测量

在实际应用过程中,除了物像空间的非线性深度映射,使用相机镜头还会引入成像畸变、图像缩放等非线性因素,这同样会降低光场重建精度。 相机成像通常可以使用针孔成像模型结合成像畸变模型来描述,如图3(a)所示。通过标定技术可以确定相机的焦距、光心与畸变等光学参数。据此,研究团队进一步提出了一种一致性光场测量方法,通过相机预标定建立了精确的物像空间转换关系,并校正了镜头畸变引起的图像变形。实验结果表明,该方法能够有效消除空间不一致性、成像畸变等非线性因素对光场重建的影响,准确恢复物光场的多视角信息[图3(b)],并且在度量空间中实现了对目标物体的光场深度测量[图3(c)],将光场成像推广至光场测量,实现了扫焦一致性光场成像与测量。

图3 计算光场重建与测量。 (a) 针孔相机成像模型; (b) 物光场的多视角图像; (c) 度量深度图

0 3 总结与展望

本文基于焦点堆栈的高分辨率计算光场成像与测量技术,分析了高精度光场重建的空间一致性条件。在此基础上,通过相机预标定为目标物体的图像堆栈建立了精确的空间转换关系和度量基准,将传统相机转变为一种光场成像设备,实现了从光场深度估计到深度测量的跨越,为计算光场成像与测量的实际应用提供了新思路、新方法。在未来的工作中,研究团队将进一步探索扫焦光场精密测量机理和技术,充分发挥高维光场信号的角度分辨在测量信息获取中的潜力和优势。

文章转自:中国激光杂志社;

声明:转载此文目的在于传递更多信息,仅供读者学习、 交流之目的。文章版权归原作者所有,如有侵权,请联系删除。

相关推荐
Blossom.1181 小时前
低代码开发:开启软件开发的新篇章
人工智能·深度学习·安全·低代码·机器学习·计算机视觉·数据挖掘
RK_Dangerous2 小时前
【深度学习】计算机视觉(18)——从应用到设计
人工智能·深度学习·计算机视觉
小虎卫远程打卡app2 小时前
视频编解码学习10之成像技术原理
学习·计算机视觉·视频编解码
Stara05113 小时前
基于注意力机制与iRMB模块的YOLOv11改进模型—高效轻量目标检测新范式
人工智能·python·深度学习·神经网络·目标检测·计算机视觉·yolov11
知来者逆4 小时前
计算机视觉——MedSAM2医学影像一键实现3D与视频分割的高效解决方案
人工智能·深度学习·计算机视觉·图像分割·智能医疗·万物分割
小草cys4 小时前
树莓派4 yolo 11l.pt性能优化后的版本
opencv·计算机视觉·目标跟踪
s1ckrain10 小时前
【论文阅读】FreePCA
论文阅读·计算机视觉·aigc
双翌视觉11 小时前
机器视觉定位工业芯片贴合的应用
视觉检测·机器视觉·视觉对位·视觉软件
学算法的程霖18 小时前
TGRS | FSVLM: 用于遥感农田分割的视觉语言模型
人工智能·深度学习·目标检测·机器学习·计算机视觉·自然语言处理·遥感图像分类
小言Ai工具箱20 小时前
PuLID:高效的图像变脸,可以通过文本提示编辑图像,通过指令修改人物属性,个性化文本到图像生成模型,支持AI变脸!艺术创作、虚拟形象定制以及影视制作
图像处理·人工智能·计算机视觉