媒体报道

《深圳商报》:中科院深圳先进院把三维扫描精度提高到0.1毫米

一秒钟扫描让你纤毫毕现

时间:2018-09-04  来源: 文本大小:【 |  | 】  【打印

 

 

  提高三维扫描精度的技术,被运用到3D试衣、3D文物重建等领域。 

 

  中科院深圳先进院机器视觉研究室成员 

  “3D结构光技术虽然已在iPhone X、OPPO等手机的面部识别得到应用,但是目前最大的问题是精度不足,无法满足精确3D成像需求,对此我们团队提出一种最高精度可达0.1毫米三维扫描方法,比现有技术有显著提升。”宋展告诉深圳商报记者。

  宋展是中科院深圳先进院机器视觉研究室的研究员,长期从事3D视觉与检测领域的工业应用研究。最近,他和团队围绕着“3D重建”,创新性地提出高精度扫描方法,开拓出数字化博物馆、3D试衣等一系列的应用,且大部分专利成果已转化给企业。

  精度高

  将3D重建精度提高到0.1毫米

  9月12日,苹果将发布2018年新产品,新iPhone和iPad Pro都将搭载前置3D摄像头TrueDepth——这个功能在去年曾开启手机面部解锁热潮。

  TrueDepth通过屏上的 8个元件,投射超过3万个光信息识别点,收集深度信息并经算法分析,3D重建出人脸,达到识别或成像的效果。3D重建技术就像为没有视觉的物体装上“眼睛”。

  宋展指出,iPhone X的3D前置摄像头和OPPO的面部识别功能,说明3D结构光技术已经在智能终端上成功应用。但目前最大的问题在于精度不足,其3D重构误差往往在毫米级以上,无法满足精确3D成像需求。

  宋展团队提出一种基于空间二值图像伪随机显式编码的高精度动态三维扫描方法,其最高精度可达0.1毫米,比现有技术有显著提升。

  这不是宋展团队第一次在3D扫描重建上的算法创新。2013年,团队创新性地提出高频二值条纹编码的方法。“传统编码对于金属以及黑色的物体扫描不出来,只能在物体上喷上显影剂,但如果要给文物和工业上的金属物件做3D扫描,这种方法就不现实。”宋展说,高频二值条纹编码可以扫描黑色、反光的物体,大大拓展了技术的应用范围,“就连一根头发都可以扫描出来。”

  这种算法在3D扫描成像速度上也有提升。据悉,现在一般的3D扫描每秒钟扫一张3D图,用高频二值编码则可以做到每秒钟扫描300张。

  应用广

  可以用来建立数字博物馆

  算法创新也带来一系列应用场景。目前,宋展和团队的成果已被用在检验钞票和芯片、建立数字博物馆和3D试衣等领域。

  3D重建如何检验钞票和芯片?宋展介绍,钞票流通进市场前,需要经过检验,印钞的钢板如有磨损,印出来的钞票表面就没有凹凸,没有立体感。针对这种情况,宋展团队做了个微型投影,对人民币表面布有密码点的区域进行扫描,检测出钞票表面5微米左右的凹凸。同样的原理也被用在芯片封装之前的检测上。通过3D扫描,识别芯片表面覆盖的元件是否排列整齐。

  数字档案也是3D重建应用的一个重要领域。2013年,宋展团队与甘肃省科学院合作,为甘肃省博物馆建立数字档案。据宋展介绍,大部分数字档案通过环场摄影实现——物体放中间,相机围绕物体转一圈,每一度拍一张,留存360度的图像,再从物体上面和下面拍。从手机看物体的照片时,我们每滑一下,机器计算出滑了多少度,再调取出对应那一度的照片。

  宋展认为,这不是真实三维的图像,而是基于二维图片的,尽管看起来文物有立体感,但并不能获取文物真实的三维信息。建立3D档案意味着,将来文物万一打碎了,从数字档案中可获知文物高度、材质等数据,有可能利用3D打印技术重建文物。

  此外,宋展团队还曾做过一套快速人体3D数字化系统。人站在房间里面,3D系统一秒可以建出人体模型,精度是0.5毫米(与人体真实数据误差在0.5毫米内)。

  这一套系统在B端和C端各有应用。在B端,和试衣厂合作,实现服饰个性化定制,扫描得出人体3D模型,算出人体参数,服装自动化剪裁;在C端,系统投放到健身房,用户在健身后,可通过3D扫描评估身体体型,进而评估健身效果。

  除上述应用外,海量的3D人体数据将对未来的网络电商及服装服饰行业产生深刻影响,同时也可以为VR/AR,游戏动漫等领域提供丰富真实的3D内容。

  前途大

  人工智能助3D重建技术更精准

  获取3D信息在人工智能时代尤为重要。宋展说,2D图像把距离摄像机距离多远或是多近的人或者物,都压缩到一张扁平的照片里,压缩过程中丢失了深度信息。

  以无人驾驶为例,我们常常看到无人车顶部架起激光雷达,它通过不断地扫描,在三维立体的空间建模,精确测出车行驶过程中与障碍物的距离。

  但无人车目前还无法量产的关键,在于激光雷达高昂的成本。“以人脸的照片为例,2D的人脸照片上网一搜就能找到,但3D的图像需要专业的设备才能采集。”最理想的方法是通过采集来的3D数据让人工智能网络深度学习,最终让算法基于图像或是视频就能猜出障碍物,降低3D识别的成本。

  随着人工智能时代的加速到来,3D重建技术将越来越重要。尽管目前还无法实现通过深度学习和算法就解决识别和检测的问题,但科学家们已经在发力,他们在丰富3D数据采集的同时,也在开拓精度更高的图像重构方法。

  《深圳商报》2018年9月4日A16版报道:http://szsb.sznews.com/PC/layout/201809/04/node_A16.html#content_456452