点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

01 相移法原理
02 双频外差原理
03 多频率外差原理
04 代码实践

01 相移法原理

结构光法原理其实是跟双目视觉一样的，都是要确定对应“匹配点”，利用“视差”三角关系计算距离，所不同的是：

• 双目视觉通过“被动”匹配唯一特征点
• 相移法作为结构光法中的一种，通过主动投影多副相移图案来标记唯一位置。

说明：虽然大多数结构光系统是单目的，但我们可以将其“双目”的，因为投影仪可以看做是一个“逆向”的相机，明白了这点，对于结构光系统一些公式推导就容易很多。

对于“双目”系统来说，最重要的工作是通过唯一标记来标记某一点，假设我们只投射一个周期的数据，我们从投影仪投出去的光栅公式如下：

比如说四步相移公式：我们主要关心的是求解出相位主值，因为它对每个像素点是唯一的，假设我们从相机中获取了这四副图像，那怎么反过来求解相位主值？

需要说明的是，虽然这个公式对整副相移图像的，但是这公式对每个像素都是独立的，所以即使我们拿从相机拍摄到经过调制变形的图像来求解，依然可以得到单个像素点唯一的相位主值。

联立4个方程，得到：

• 拍摄到什么图像

我们要得到某个像素点的唯一“标记”，也就是这个相位主值，代回这个公式即可，都可以得到唯一值。得到了唯一值，建立匹配关系，就可以利用三角公式进行重建。其中：横坐标为任意一行的像素，这张图中使用周期为11的像素条纹作为正弦光栅。

02 双频外差原理

解决的方法有很多，分为空域和时域展开两种：

• 空域展开：依靠空间相邻像素点之间的相位值恢复绝对相位，如果重建表面不连续，则出现解码错误。
• 时域展开：将每个像素点的相位值进行独立计算，有格雷码和多频外差两种，其中格雷码方法对物理表面问题敏感，并且多投影的图并不能用来提升精度，多频外差精度更高。

当然目前还有更多精度更高、效率更快的相位展开方法，在这里暂时不予讨论，这里主要讨论多频外差原理。

多频外差原理：通过多个不同频率（周期）正弦光栅的相位做差，将小周期的相位主值转化为大周期的相位差，从而使得相位差信号覆盖整个视场，然后再根据相位差来得到整副图像的绝对相位分布。

这里以双频外差为例，原理如图1所示：

注：通常我们说的相位函数的周期，代表的是一个周期正弦函数所占的像素单位个数。

03 多频率外差原理

其可以完成整个视场的无歧义标记。

04 代码实践

依据相移法得到的包裹相位图如下图所示，不同颜色代表不同频率的相位主值：我们进行叠加后的效果：

在这里，我们可以看到，由两个周期小的相位可以合成一个周期更大的编码图案。

明白了原理，我们来代码实践一下，需要注意的是，求解出来的相位我们要进行归一化到区间操作：

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号def phase_simulation(WIDTH, T1, T2, T3):    pha1, pha2, pha3 = np.zeros(shape=WIDTH), np.zeros(shape=WIDTH), np.zeros(shape=WIDTH)    t1, t2, t3 = 1, 1, 1    for idx in range(WIDTH):        if t1 > T1: t1 = 1  # 重置一下        pha1[idx] = (t1 / T1) * 2 * np.pi        if t2 > T2: t2 = 1        pha2[idx] = (t2 / T2) * 2 * np.pi        if t3 > T3: t3 = 1        pha3[idx] = (t3 / T3) * 2 * np.pi        t1 += 1; t2 += 1; t3 += 1    return pha1, pha2, pha3def parse_phase(pha1, pha2, T1, T2):    pha12 = np.zeros_like(pha1)    # 计算Delta（如果满足条件，输出左侧，否则右侧）    pha12 = np.where(pha1 >= pha2, pha1 - pha2, pha1 - pha2 + 2 * np.pi)    # # 跟下面这段代码等价    # for idx in range(0, pha12.shape[0]):    #     if pha1[idx] >= pha2[idx]:    #         pha12[idx] = pha1[idx] - pha2[idx]    #     else:    #         pha12[idx] = pha1[idx] - pha2[idx] + 2 * np.pi    T12 = T1 * T2 / (T2 - T1)    # 方法1    pha12 = T2 / (T2 - T1) * pha12    # # 方法2    # m = np.round((T2 / (T2 - T1) * pha12 - pha1) / (2 * np.pi))    # pha12 = 2 * np.pi * m + pha12    # 归一化到[0，2π]    min_value, max_value = np.min(pha12), np.max(pha12)    pha12 = (pha12 - min_value) * (2 * np.pi / (max_value - min_value))    return pha12, T12if __name__ == '__main__':    # 视场宽度    WIDTH = 854    # 条纹周期    T1 = 11    T2 = 12    T3 = 13    pha1, pha2, pha3 = phase_simulation(WIDTH, T1, T2, T3)    X = np.arange(0, WIDTH)    plt.plot(X, pha1, label="pha1")    plt.plot(X, pha2, label="pha2:")    plt.plot(X, pha3, label="pha3")    plt.title("相移主值图（仿真）")    plt.xlabel("像素")    plt.ylabel("w/rad")    plt.legend()    plt.show()    # 解相位    pha12, T12 = parse_phase(pha1, pha2, T1, T2)    pha23, T23 = parse_phase(pha2, pha3, T2, T3)    pha123, T123 = parse_phase(pha12, pha23, T12, T23)    plt.plot(X, pha12, label="pha12")    plt.plot(X, pha23, label="pha23")    plt.plot(X, pha123, label="pha123")    plt.title("解出绝对相位")    plt.xlabel("像素")    plt.ylabel("w/rad")    plt.legend()    plt.show()

可以看出，最终解出的绝对相位线单调递增，每个相位值时唯一的，虽然在一些交界处会有些许误差。结构光多频外差的原理很简单，而精度这块，其实很大程度依赖于标定、高反处理这些地方。这一期内容将分为上下两期，为了便于理解，不再讲述更多内容，更多我们下一期再讲！怎么拿实际投影拍摄到的光栅图片来还原绝对相位！备注：作者也是我们「3D视觉从入门到精通」特邀嘉宾：一个超干货的3D视觉学习社区本文仅做学术分享，如有侵权，请联系删文。下载1在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。下载2在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。下载3在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用，麻烦给个赞和在看~