Une nouvelle publication de Opto-Electronic Advances explique comment l'apprentissage en profondeur rend possible l'imagerie 3D à lumière structurée haute résolution en une seule prise.

Avec le développement rapide des technologies de l'information optoélectroniques, l'imagerie et la détection tridimensionnelles (3D) sont devenues une pointe de la recherche en métrologie optique. Après le passage du monochrome à la couleur, de la basse résolution à la haute résolution et de la photo statique à la vidéo dynamique, l'évolution de la photographie 2D à la détection 3D est devenue la quatrième révolution de l'imagerie. À cet égard, la profilométrie par projection de franges (FPP) est l'une des technologies d'imagerie 3D les plus représentatives en raison de sa capacité de mesure sans contact, haute résolution, haute vitesse et plein champ, qui a été largement appliquée dans de multiples domaines, telles que la fabrication intelligente, la rétro-ingénierie, l'inspection industrielle et la préservation du patrimoine.

Au cours des dernières années, avec les progrès rapides des dispositifs optoélectroniques (par exemple, les projecteurs de lumière numériques, les modulateurs de lumière spatiale et les capteurs d'image à grande vitesse) et les unités de traitement du signal numérique (par exemple, les ordinateurs hautes performances et les processeurs intégrés), les gens ont par la suite mis plus haut attentes sur FPP:il devrait être à la fois de haute précision et de grande vitesse. Alors que ces deux aspects semblent de nature contradictoire, la rapidité est progressivement devenue un facteur fondamental qu'il faut prendre en compte lors de l'utilisation de FPP. Pour de nombreux domaines, tels que la fabrication industrielle, la vitesse est synonyme d'efficacité, et l'efficacité représente la productivité. Dans ces circonstances, la reconstruction 3D de haute précision à l'aide d'un seul motif unique a été l'objectif ultime de l'imagerie 3D à lumière structurée en perpétuelle poursuite.

Les auteurs de cet article rapportent une technique FPP de multiplexage à double fréquence activée par l'apprentissage en profondeur, permettant une imagerie 3D à lumière structurée de haute précision sans ambiguïté. La méthode proposée a construit deux réseaux parallèles en forme de U avec la même structure, dont l'un prend l'image de frange composite à double fréquence bien conçue comme entrée de réseau, combinée avec le modèle physique de déphasage traditionnel pour prédire les termes sinus et cosinus. utilisé pour calculer la carte de phase enveloppée de haute qualité, et l'autre est conçu pour prédire les informations d'ordre des franges à partir de l'image de frange composite à double fréquence d'entrée. Grâce à l'apprentissage à partir d'un grand nombre d'ensembles de données, les réseaux de neurones correctement formés peuvent démultiplexer les phases haute résolution et sans diaphonie de la frange composite et reconstruire directement une carte de phase absolue de haute précision pour une 3D unique et sans ambiguïté. imagerie de surface.

La technique FPP de multiplexage à double fréquence proposée, activée par l'apprentissage en profondeur, devrait combler l'écart de vitesse entre l'imagerie 3D et la détection 2D, en obtenant une véritable reconstruction de forme 3D à image unique, de haute précision et sans ambiguïté. Cette recherche ouvre de nouvelles voies pour la mesure de forme 3D instantanée en un seul coup d'objets discontinus et/ou mutuellement isolés en mouvement rapide. De nos jours, la technologie d'apprentissage en profondeur s'est pleinement infiltrée dans presque toutes les tâches de métrologie optique. Malgré les résultats prometteurs, dans de nombreux cas impressionnants, qui ont été rapportés dans la littérature, les raisons sous-jacentes de ces succès restent floues à ce stade.

De nombreux chercheurs sont encore sceptiques et restent attentistes vis-à-vis de ses applications dans des scénarios à haut risque, tels que l'inspection industrielle et les soins médicaux. Mais on peut envisager qu'avec la poursuite du développement de la technologie de l'intelligence artificielle, l'amélioration continue des performances du matériel informatique et le développement ultérieur des techniques de traitement optique de l'information, ces défis seront bientôt résolus progressivement. L'apprentissage en profondeur jouera ainsi un rôle plus important et aura un impact plus important en optique et en photonique. + Explorer plus loin

Récupération de phase entièrement optique et imagerie de phase quantitative effectuées instantanément sans ordinateur