高光谱 3D 成像再突破:密集分散结构光,让动态场景捕捉又快又准
图1假橙子和真橙子。我们比较了真实和人造水果(橙色),显示了它们的高光谱图像曲线和相应图像的差异。(a) 在sRGB中重建高光谱图像,(b)深度(c)光谱图和(d)同色异谱样品的高光谱图像。图2动态场景。我们展示了动态场景的重建深度和光谱结果。(a) 重建深度。(b) sRGB中重建的高光谱图像。(c) 重建的高光谱图像。(d) 高光谱强度。我们在多个实验中验证了DDSL方法的有效性,包括静态和动态场景下的高光谱3D成像。实验结果表明,DDSL能够在6.6帧每秒的速度下实现高精度的深度和光谱重建,深度误差为4毫米,光谱半高宽(FWHM)为15.5纳米。与现有方法相比,DDSL在采集速度和重建精度上都有显著提升。在静态场景实验中,我们使用了标准的ColorChecker图表来评估光谱准确性。结果显示,DDSL能够准确重建不同颜色的光谱曲线,尤其是在高频率光谱区域的表现优于其他方法。此外,我们还进行了深度评估,通过与二进制编码结构光方法获得的地面真值进行比较,证明了DDSL在深度估计上的准确性。在动态场景实验中,我们展示了DDSL在处理复杂运动场景的能力。例如,在一个包含人脸扫描的动态视频中,DDSL成功地重建了从440纳米到660纳米的高光谱图像,显示出清晰的面部特征和光谱变化。此外,我们还对水果(真假橙子)进行了对比实验,结果显示DDSL能够区分真实和人造物体的光谱特性,进一步验证了其在实际应用中的潜力。总的来说,实验结果表明,DDSL不仅在静态场景中表现出色,还能有效应对动态场景中的挑战,实现了快速、准确的高光谱3D成像。未来的工作还可以集中在改进系统的校准和优化算法,以进一步提高重建精度。此外,可以探索更多应用场景,如实时监控、医学成像等,以充分发挥DDSL的潜力。总之,DDSL为动态场景的几何和材料分析提供了新的可能性,有望在未来的研究和应用中发挥重要作用。
电话
微信