通过单次测量实现高精度多视图测量方法，该方法采用基于曲率感知的自适应窗口大小选择机制

《Optics and Lasers in Engineering》：High-precision multi-view measurement method by single shot with curvature-aware adaptive window size selection

提出一种基于曲率感知的自适应窗口大小的单次多视图测量方法，通过多视图立体匹配和深度图融合，结合平面拟合误差、法向量角度和匹配成本差异进行曲率感知评分，优化窗口大小选择，实验表明精度达0.04mm，标准差降低9.9%，适用于工业场景。

　　本文提出了一种基于曲率感知的自适应窗口大小选择的多视角测量方法，旨在解决现有光三维形状测量技术在复杂表面测量中所面临的精度与效率问题。当前，数字散斑图案投影（Digital Speckle Pattern Projection, DSPP）技术广泛应用于动态测量和工业应用中，它通过单次拍摄即可获取物体表面的高密度点云数据。然而，在面对复杂表面结构时，传统散斑投影轮廓术（Speckle Projection Profilometry, SPP）方法存在诸多挑战，例如固定窗口大小带来的精度限制、遮挡问题以及高计算成本等问题。此外，虽然已有多种多视角重建算法能够改善遮挡问题并提升测量鲁棒性，但它们在工业场景中的适用性仍然有限。同时，传统的立体匹配算法在窗口大小的自适应性和效率方面也存在不足。

本文所提出的多视角测量方法通过引入曲率感知机制，实现了对窗口大小的自适应选择，从而有效提升了测量精度与效率。该方法首先构建了一个基于光度与几何一致性的多视角立体匹配流程，用于初步重建，以获得初步的深度图和法向量信息。接着，通过局部区域采样与评估策略，获取高置信度的匹配假设，为后续的曲率感知计算提供可靠的数据支持。在曲率感知计算阶段，通过三个评分因素——平面拟合误差、法向量角度以及匹配成本差异，综合计算出曲率感知的复合评分，并据此线性映射出自适应的窗口大小。经过多次多视角一致性迭代后，将多个深度图进行融合，最终生成高质量的点云数据。为验证该方法的可行性与有效性，设计了一个四相机测量系统，并通过实验表明，该方法在测量精度上达到了0.04毫米的水平，相较于现有先进方法，标准偏差降低了9.9%至26.5%。同时，该方法在运行时间和计算复杂度方面保持了良好的性能，能够满足工业应用的需求。

光学测量技术在几何测量研究和工业应用中扮演着至关重要的角色，其应用范围涵盖了生物医学设备、形状测量以及工业制造等多个领域。在光学重建任务中，目标是获得高精度和高完整性的点云数据，同时确保重建算法的适应性。近年来，多视角立体（Multi-View Stereo, MVS）技术因其能够提供大量信息、实现全场测量以及具备多视角优势而受到广泛关注。例如，Galliani等人提出了一种基于PatchMatch的MVS匹配方法，通过扩散传播机制显著提高了重建效率，同时保持了较高的精度和完整性。Xu等人则引入了基于PatchMatch框架的多尺度、平面先验的重建模式，以提高低纹理区域的测量精度。Wang等人开发了PatchMatchNet，通过深度学习技术提升了测量效率并确保了精度。Song等人提出了一种基于局部二次窗口的MVS方法，以优化表面拟合效果。然而，局部二次窗口可能在曲率较小的区域导致过匹配，从而影响测量精度，同时其测量效率相对较低。

大多数现有的多视角匹配方法主要针对大规模场景的高精度和高完整性重建进行了优化，这在一定程度上限制了它们在工业场景中的直接应用。此外，基于物体表面纹理的直接匹配方法也显著降低了测量精度。因此，有必要开发一种新的匹配方法和基于曲率感知的自适应窗口大小选择算法，以实现高精度的测量。

为了提升匹配精度，许多学者对成本聚合方法和窗口大小选择技术进行了深入研究。例如，Kanade等人通过评估局部视差变化和强度变化来选择合适的窗口大小。Hariyama等人则采用迭代扩大窗口大小的方式，选择最小的能够产生可靠匹配像素的窗口。Debella等人通过迭代搜索最佳窗口大小，以实现高精度的水平表面位移测量。Zhao等人则通过预测不同窗口大小下的随机误差，并将其与系统误差结合，选择合适的匹配窗口大小。Hessan等人则根据不同子集的强度变化率，计算出匹配窗口大小与强度变化率和子集大小之间的反比关系。虽然上述方法在一定程度上提高了匹配精度，但它们在选择最优窗口大小的过程中通常需要多次迭代，导致计算时间较长。

Gupta等人提出了一种自适应二进制窗口立体匹配算法，通过将相似的邻近像素纳入成本聚合计算中，以提升匹配效率。Xu等人则提出了一种自适应形状支持窗口，假设颜色相似的像素具有更高的深度一致性，从而实现自适应窗口形状的选择。Yoon等人对匹配窗口内的像素支持权重进行了调整，综合考虑了几何邻近性和颜色相似性，以提高测量精度并减少模糊现象。EMLEK等人和Qiao等人则通过结合梯度阈值和颜色阈值，动态生成匹配窗口，用于成本聚合。Yang等人和Ko等人通过边缘提取技术，在边缘和非边缘区域分别调整窗口形状，以提升测量效果。Huang等人提出了一种窗口大小选择网络，以提高测量精度和效率，但这种方法需要大量的真实数据集作为训练样本。多数上述方法主要应用于变形测量，而对于基于地形的窗口大小选择策略在表面重建中的应用则讨论较少。此外，这些方法在获取最优窗口大小的过程中仍然存在时间成本较高的问题。

为了解决上述问题，本文提出了一种基于曲率感知的高精度多视角测量方法。该方法的主要贡献包括以下几个方面：首先，为了减少双目视觉中的遮挡或误匹配问题，设计了一种结合光度与几何一致性的多视角立体匹配流程，以并行获取像素级别的匹配假设。其次，提出了一种局部区域采样与评估方法，用于获取高置信度的匹配假设，从而为局部曲率感知提供可靠的数据支持。第三，通过三个评分因素——平面拟合误差、法向量角度以及匹配成本差异，计算出曲率感知的复合评分，并据此线性映射出自适应的窗口大小。第四，设计了一个四相机系统，并配备了散斑投影模块，用于实验验证。实验结果表明，该方法能够自适应地分配窗口大小，测量精度达到0.04毫米，相较于现有先进方法，标准偏差降低了9.9%至26.5%。同时，该方法在运行时间和计算复杂度方面保持了良好的性能，能够满足工业应用的需求。

在方法概述部分，本文展示了所提出方法的整体框架，如图2所示。该方法设计了一个四相机采集模块，结合光刻数字散斑投影技术，用于捕捉单次拍摄的物体图像。通过使用Zhang的方法进行单目和双目校准，随后利用捆绑调整技术完成多相机校准，以构建一个统一的测量系统。在获得相机参数后，对采集的图像进行畸变校正，以确保图像质量。接下来，采用所提出的多视角立体匹配流程，进行初步的表面重建。该流程利用基于块的匹配策略，以获取初步的深度图和法向量信息，为后续的自适应窗口大小选择提供基础数据。

在多视角立体匹配流程部分，详细描述了基于块的匹配方法，用于初步重建。该方法通过多视角图像的匹配，获取初步的深度信息和法向量，从而为后续的曲率感知计算提供支持。由于小块匹配在低曲率区域容易出现欠匹配现象，因此需要对初步的多视角匹配结果进行进一步的分析和处理。这一步骤是确保后续自适应窗口大小选择有效性的关键环节。

在曲率感知窗口大小选择部分，重点介绍了基于多视角一致性的点云生成方法以及曲率感知的计算策略。此外，还描述了深度图融合的方法。在第三部分中，通过小块匹配可以获得初步的深度图和法向量信息。然而，由于小块匹配在低曲率区域容易出现欠匹配，因此需要对初步的多视角匹配结果进行进一步的分析和处理。本文提出的曲率感知计算策略通过三个评分因素，即平面拟合误差、法向量角度以及匹配成本差异，综合计算出曲率感知的复合评分，并据此确定自适应的窗口大小。这一策略能够有效解决固定窗口大小带来的精度问题，同时在计算效率方面也有所提升。

实验部分详细介绍了实验设置，包括四相机测量系统的构建以及光刻数字散斑投影设备的使用。四相机系统采用中心对称的布局，以便适应物体在不同角度下的放置需求。其中，配备8毫米焦距镜头的相机具有1280×1024的分辨率和4.8微米的像素大小。该相机阵列的标称工作距离设计为450毫米，此时的有效测量视场角为330毫米。实验结果表明，所提出的方法能够有效适应不同曲率区域的测量需求，同时在保持良好运行效率的前提下，显著提升了测量精度。

本文的研究成果表明，基于曲率感知的自适应窗口大小选择方法在工业测量中具有重要的应用价值。通过结合光度与几何一致性，该方法能够在复杂表面测量中有效减少遮挡和误匹配现象，从而提升测量精度和效率。同时，通过局部区域采样与评估策略，获取高置信度的匹配假设，为曲率感知计算提供了可靠的数据支持。此外，通过三个评分因素的综合计算，实现了对窗口大小的自适应选择，进一步提升了测量效果。实验结果表明，该方法在测量精度上达到了0.04毫米的水平，相较于现有先进方法，标准偏差降低了9.9%至26.5%。同时，该方法在运行时间和计算复杂度方面保持了良好的性能，能够满足工业场景中的实际需求。

在实验部分，通过构建一个包含四相机和光刻数字散斑投影设备的多相机实验模块，验证了所提出方法的有效性。实验过程中，对采集的图像进行了畸变校正，并利用所提出的多视角立体匹配流程进行初步重建。随后，通过曲率感知计算策略，对初步的匹配结果进行优化，并确定自适应的窗口大小。最终，通过多视角一致性迭代和深度图融合，生成高质量的点云数据。实验结果表明，该方法在不同曲率区域的测量中表现出良好的适应性和稳定性，能够有效提升测量精度。

此外，本文还探讨了该方法在实际工业应用中的潜力。在工业制造和质量检测等领域，高精度和高效率的测量技术对于提升产品质量和生产效率至关重要。所提出的方法通过引入曲率感知机制，能够在复杂表面测量中实现更高的精度，同时保持较低的计算成本。这使得该方法不仅适用于实验室环境下的精确测量，也适用于实际工业场景中的快速检测任务。因此，该方法具有广泛的应用前景，有望成为未来工业测量技术的重要组成部分。

本文的研究成果为光学测量领域提供了新的思路和方法。通过结合多视角立体匹配和曲率感知计算，该方法能够有效解决传统测量技术在复杂表面测量中的精度与效率问题。同时，该方法在保持良好运行效率的前提下，显著提升了测量精度，为工业应用提供了强有力的技术支持。未来的研究可以进一步探索该方法在更多复杂场景中的适用性，并结合深度学习等先进技术，进一步优化匹配过程和窗口大小选择策略，以提升整体测量性能。此外，还可以考虑在不同类型的工业测量任务中，针对特定需求进行方法的定制化改进，以满足多样化的需求。总之，本文提出的方法在光学测量领域具有重要的理论和应用价值，为高精度、高效率的表面测量提供了新的解决方案。