近年來(lái)，三維數(shù)據(jù)測(cè)量技術(shù)的發(fā)展和相關(guān)坐標(biāo)測(cè)量設(shè)備的逐漸普及，使得三維數(shù)據(jù)的獲取越來(lái)越便捷。三維數(shù)據(jù)測(cè)量技術(shù)作為三維重建技術(shù)中的重要組成部分，目前常見(jiàn)的三維數(shù)據(jù)測(cè)量方式分為接觸式和非接觸式兩大類(lèi)^[1-4]。

接觸式方法是利用某些儀器通過(guò)實(shí)際接觸直接測(cè)量場(chǎng)景的三維數(shù)據(jù)，典型代表是三坐標(biāo)測(cè)量機(jī)（簡(jiǎn)稱(chēng)CMM），在工業(yè)測(cè)量領(lǐng)域中用來(lái)測(cè)量某些小體積重要零部件^[5]。在生產(chǎn)制造過(guò)程中，用三坐標(biāo)測(cè)量機(jī)對(duì)機(jī)械配件和模具進(jìn)行測(cè)量和獲得尺寸數(shù)據(jù)是最有效的方法之一，因?yàn)樗梢源娑喾N表面測(cè)量工具及昂貴的組合量規(guī)，并把復(fù)雜的測(cè)量任務(wù)所需時(shí)間從小時(shí)減到分鐘，這是其它儀器而達(dá)不到的效果。接觸式方法所得數(shù)據(jù)精度較高，受環(huán)境因素影響小，但成本高昂，只適用于表面標(biāo)準(zhǔn)幾何尺寸較多的物體，在待測(cè)物體曲面比較復(fù)雜、物體表面柔軟易變形和物體表面幾何尺寸較少等場(chǎng)合的應(yīng)用受到一定限制。更重要的是，使用接觸式測(cè)量法獲得物體的大量三維點(diǎn)云數(shù)據(jù)非常困難。

非接觸式方法與接觸式方法不同，非接觸式方法是在測(cè)量時(shí)不接觸被測(cè)量的物體，與其保持一定距離，通過(guò)光、聲音、磁場(chǎng)等媒介來(lái)獲取目標(biāo)數(shù)據(jù)^[6]。該方法對(duì)目標(biāo)物體和測(cè)量環(huán)境要求低，雖然測(cè)量精度比接觸式測(cè)量法低，但隨著科學(xué)技術(shù)的發(fā)展，非接觸方法的測(cè)量精度有了較大的提高。在目前的三維重建領(lǐng)域中，非接觸式測(cè)量法相比接觸式測(cè)量方法應(yīng)用領(lǐng)域更加廣泛。

非接觸式根據(jù)掃描方式不同又分為主動(dòng)掃描和被動(dòng)掃描，如圖2所示，主動(dòng)掃描常見(jiàn)有三維激光掃描技術(shù)^[7]、TOF（Time-of-Flight）相機(jī)^[8]、結(jié)構(gòu)光系統(tǒng)^[9]等。

三維激光掃描技術(shù)又被稱(chēng)為實(shí)景復(fù)制技術(shù)，對(duì)待測(cè)物體或場(chǎng)景發(fā)出激光點(diǎn)或線(xiàn)性激光束，通過(guò)光電元件接收待測(cè)物反射的光線(xiàn)，計(jì)時(shí)器測(cè)定激光束從發(fā)射到接收的時(shí)間，以此計(jì)算出待測(cè)物體到設(shè)備之間的距離。這種方法在于可得到較準(zhǔn)確的深度信息，并且可記錄大量的、密集的點(diǎn)的坐標(biāo)，缺點(diǎn)是價(jià)格高昂以及數(shù)據(jù)信息量大。Omari等人^[10]提出了將三維激光掃描技術(shù)應(yīng)用于建筑項(xiàng)目中進(jìn)度報(bào)告的生成，在不同時(shí)間通過(guò)三維激光掃描儀掃描建筑工地生成數(shù)據(jù)，然后將其用于估計(jì)兩次連續(xù)掃描的時(shí)間間隔之內(nèi)執(zhí)行的工作量，以此提高從建筑工地收集數(shù)據(jù)的速度和準(zhǔn)確性。Ghahremani等人^[11]提出了一種借助手持式三維激光掃描儀獲取點(diǎn)云來(lái)保證高頻機(jī)械沖擊處理質(zhì)量的方法，該方法對(duì)五個(gè)焊接式樣進(jìn)行了不同程度的沖擊處理然后使用手持式三維激光掃描儀掃描焊口的點(diǎn)云數(shù)據(jù)，通過(guò)測(cè)量點(diǎn)云幾何參數(shù)確定不同的沖擊處理。

TOF相機(jī)利用經(jīng)過(guò)調(diào)制的近紅外光探測(cè)目標(biāo)物，傳感器計(jì)算光線(xiàn)往返所需時(shí)間換算出物體與設(shè)備之間的距離而獲取深度信息，結(jié)合傳統(tǒng)的相機(jī)拍攝，就能將物體的三維輪廓以不同的顏色代表不同的距離表示出來(lái)。這種方法可以快速簡(jiǎn)便得到深度數(shù)據(jù)，不需多余的輔助掃描設(shè)備，缺點(diǎn)是價(jià)格相比普通相機(jī)仍然偏高，測(cè)量結(jié)果受被測(cè)物性質(zhì)影響，系統(tǒng)誤差及隨機(jī)誤差對(duì)結(jié)果影響明顯。Heide等人^[12]將場(chǎng)景重建公式變?yōu)閳?chǎng)景的瞬態(tài)響應(yīng)上的線(xiàn)性逆問(wèn)題，從二階漫反射中恢復(fù)了視線(xiàn)之外的物體，利用TOF相機(jī)獲取場(chǎng)景信息，從而有效地重建了大型房間場(chǎng)景。Koutsoudis等人^[13]利用TOF相機(jī)對(duì)希臘克桑西地區(qū)的奧斯曼帝國(guó)紀(jì)念碑進(jìn)行三維重建，通過(guò)對(duì)紀(jì)念碑完整三維模型的數(shù)字分析，質(zhì)疑了運(yùn)動(dòng)結(jié)構(gòu)-密集多視圖3D重建（簡(jiǎn)稱(chēng)SFM-DMVR）方法的適用性。

結(jié)構(gòu)光是一組由投影儀和攝像頭組成的系統(tǒng)結(jié)構(gòu)，用投影儀投射特定的光信息到物體表面后及背景后，由攝像頭采集。根據(jù)物體造成的光信號(hào)的變化來(lái)計(jì)算物體的位置和深度等信息，進(jìn)而復(fù)原整個(gè)三維空間^[14]。結(jié)構(gòu)光系統(tǒng)的優(yōu)點(diǎn)在于獲取圖像數(shù)據(jù)的質(zhì)量較好，但需要多個(gè)攝像頭進(jìn)行協(xié)調(diào)配合工作，且受光照條件影響較大，對(duì)系統(tǒng)要求較高。Deetjen等人^[ 15]提出了一種新的針對(duì)相機(jī)-投影儀這類(lèi)結(jié)構(gòu)光系統(tǒng)的自動(dòng)校對(duì)方法，該方法通過(guò)自動(dòng)圖像處理和捆綁調(diào)整參數(shù)優(yōu)化實(shí)現(xiàn)校準(zhǔn)，可以應(yīng)用在質(zhì)量控制，自主系統(tǒng)，工程測(cè)量和運(yùn)動(dòng)捕捉等領(lǐng)域。Heist等人^[16]提出了一種“5D傳感器”，該傳感器通過(guò)結(jié)構(gòu)光快速準(zhǔn)確的測(cè)量表面形狀和光譜特性，該傳感器提供了出色的空間和光譜分辨率，出色的深度精度和高幀頻，可以應(yīng)用在醫(yī)學(xué)成像，精密農(nóng)業(yè)或光學(xué)分揀等領(lǐng)域。表1對(duì)常見(jiàn)掃描方法做出了對(duì)比。

Reference：

[1] 王亞琪. 基于Kinect的軸類(lèi)零件三維重建關(guān)鍵技術(shù)研究[D].青島理工大學(xué), 2015.

[2] Otto K N. Product design: techniques in reverse engineering and new product development[M]. 清華大學(xué)出版社有限公司, 2003.

[3] 王亞琪, 陳成軍, 李希彬. 基于Kinect的軸類(lèi)零件三維重建研究[J]. 計(jì)算技術(shù)與自動(dòng)化, 2015(4): 126-131.

[4] 徐超, 李喬. 基于計(jì)算機(jī)視覺(jué)的三維重建技術(shù)綜述[J]. 數(shù)字技術(shù)與應(yīng)用, 2017, 28(1): 54-56.

[5] 韋羽棉. 基于Kinect深度圖像的三維重建研究[D]. 重慶大學(xué), 2014.

[6] Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.

[7] Michalos G, Karagiannis P, Makris S, et al. Augmented reality (AR) applications for supporting human-robot interactive cooperation[J]. Procedia CIRP, 2016, 41: 370-375.

[8] Chen P, Peng Z, Li D, et al. An improved augmented reality system based on and AR[J]. Journal of Visual Communication and Image Representation, 2015, 37:63-69.

[9] Henderson S, Feiner S. Exploring the benefits of augmented reality documentation for maintenance and repair[J]. IEEE Transactions on Visualization and Computer Graphics, 2011, 17(10): 1355-1368.

[10] El-Omari S, Moselhi O. Integrating 3D laser scanning and photogrammetry for progress measurement of construction work[J]. Automation in Construction, 2008, 18(1): 1-9.

[11] Ghahremani K, Safa M, Yeung J, et al. Quality assurance for high-frequency mechanical impact (HFMI) treatment of welds using handheld 3D laser scanning technology[J]. Welding in the World, 2015, 59(3): 391-400.

[12] Heide F, Xiao L, Heidrich W, et al. Diffuse mirrors: 3D reconstruction from diffuse indirect illumination using inexpensive Time-of-Flight sensors[C]. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2014: 3222-3229.

[13] Koutsoudis A, Vidmar B, Ioannakis G, et al. Multi-image 3D reconstruction data evaluation[J]. Journal of Cultural Heritage, 2014, 15(1):73-79.

[14] Morgan W D, Lester H M. Stereo realist manual[M]. 1954.

[15] Deetjen M E, Lentink D. Automated calibration of multi-camera-projector structured light systems for volumetric high-speed 3D surface reconstructions[J]. Optics express, 2018, 26(25): 33278-33304.

[16] Heist S, Zhang C, Reichwald K, et al. 5D hyperspectral imaging: fast and accurate measurement of surface shape and spectral characteristics using structured light[J]. Optics express, 2018, 26(18): 23366-23379.