A Hybrid Binary–Ternary Encoding Strategy for High-Capacity and Robust Phase Unwrapping in Fringe Projection Profilometry

Stellen Sie sich vor, Sie versuchen, ein perfektes 3D-Foto eines unebenen, glänzenden oder dunklen Objekts zu machen, ohne es jemals zu berühren. Wissenschaftler nutzen einen cleveren Trick namens „Streifenprojektions-Profilometrie“ (Fringe Projection Profilometry), um dies zu tun. Sie projizieren eine Serie von Streifenmustern (wie ein Barcode aus Licht) auf ein Objekt und lassen eine Kamera beobachten, wie sich diese Streifen biegen und verformen. Durch die Messung der Verformung kann ein Computer die Form des Objekts berechnen. Es gibt jedoch einen Haken: Der Computer sieht die Streifen nur als eine sich wiederholende Schleife, wie eine Uhr, die alle 12 Stunden zurückgesetzt wird. Er weiß, dass es „3 Uhr“ ist, aber er weiß nicht, ob es 3 Uhr morgens, 3 Uhr nachmittags oder 3 Tage später ist. Um dies zu beheben, muss der Computer die Phase „entfalten“ (unwrapping), indem er herausfindet, in welcher Schleife des Streifenmusters er sich gerade befindet. Dies wird als „Phasenentfaltung“ (Phase Unwrapping) bezeichnet. Wenn der Computer die falsche Schleife errät, wird das 3D-Modell durcheinandergebracht, wobei Teile des Objekts an der falschen Stelle erscheinen oder wie ein fehlerhaftes Videospiel aussehen. Es ist entscheidend, dies richtig zu machen, sei es beim Scannen von Gesichtern für Sicherheitszwecke oder beim Entwerfen von Autoteilen, aber es ist notorisch schwierig, wenn es Rauschen, schlechte Beleuchtung oder sehr komplexe Objekte gibt.

Hier kommt eine neue Strategie von Forschern der Xi'an Technological University ins Spiel, die einen „hybriden“ Weg entwickelt hat, um dieses Rätsel zu lösen. Anstatt sich nur auf eine Art von Code zu verlassen, um dem Computer zu sagen, auf welcher Schleife er sich befindet, haben sie zwei verschiedene Codiersprachen miteinander vermischt: einen einfachen „binären“ Code (wie ein Lichtschalter, der entweder an oder aus ist) und einen „ternären“ Code (ein Drei-Wege-Schalter, der niedrig, mittel oder hoch sein kann). Denken Sie daran wie bei dem Versuch, ein bestimmtes Haus in einer riesigen Stadt zu finden. Ein binärer Code ist wie die Frage: „Ist das Haus auf der linken oder der rechten Straßenseite?“ Ein ternärer Code ist wie die Frage: „Ist das Haus im ersten, zweiten oder dritten Block?“ Durch die Kombination dieser Fragen können die Forscher den Ort viel schneller und genauer bestimmen als mit nur einer Art von Frage.

Das Paper schlägt eine Methode vor, die eine spezifische Sequenz von Lichtmustern verwendet: vier Schritte, um eine hochpräzise „Karte“ der Oberfläche zu erhalten, drei Schritte, um eine Hilfskarte zu erstellen, und drei spezielle „ternäre Gray-Code“-Muster, die als Adressetiketten dienen. Der clevere Teil ist, wie diese Etiketten gelesen werden. Anstatt zusätzliche „Kalibrierungsfotos“ zu benötigen (wie das Aufnehmen einer weißen Wand, um zu wissen, was „weiß“ aussah), analysiert ihr System die Helligkeit der Streifen selbst, um die Schwellenwerte für die Dekodierung zu ermitteln. Es ist wie ein Detektiv, der kein Referenzfoto benötigt, um zu wissen, wie ein Verdächtiger aussieht; er analysiert einfach die Hinweise direkt vor ihm. Dies ermöglicht es ihnen, schwierige Situationen zu bewältigen, in denen sich die Beleuchtung ändert oder die Oberfläche glänzend ist.

Um sicherzustellen, dass sie an den Kanten, an denen die Codes wechseln (den „Grenzbereichen“), keine Fehler machen, fügte das Team einen „Vorab-Korrekturschritt“ hinzu. Sie prüfen, ob die Richtung der Streifen mit der Logik des Adresscodes übereinstimmt. Wenn die Mathematik nicht aufgeht – zum Beispiel, wenn die Adresse „Block 3“ sagt, die Streifen aber „Block 2“ suggerieren – tauscht das System die Adresse automatisch gegen einen besseren Kandidaten aus, bevor es die 3D-Form finalisiert.

Die Forscher testeten diese Idee auf zwei Arten. Zuerst führten sie Computersimulationen mit unterschiedlichen Ebenen von „Rauschen“ durch (um ein unordentliches, körniges Bild zu simulieren). Sie fanden heraus, dass ihre Methode selbst bei einem sehr verrauschten Bild weit weniger Fehler als ältere Techniken macht. Konkret berichteten sie, dass ihr Ansatz den Gesamtfehler beim Zählen der Streifenschleifen um etwa das 21-fache reduzierte und die endgültige 3D-Form wesentlich glatter machte, indem er den quadratischen Mittelwertfehler (Root-Mean-Square Error) im Vergleich zu unkorrigierten Methoden um etwa das 43-fache senkte. In ihren realen Experimenten scannten sie erfolgreich komplexe Objekte wie menschliche Gesichter und mehrere Gegenstände gleichzeitig, was bewies, dass das System selbst auf gekrümmten, detaillierten Oberflächen funktioniert.

Das Paper weist jedoch auch auf eine Einschränkung hin: Das System ist empfindlich gegenüber „Defokus“, was auftritt, wenn der Projektor nicht perfekt fokussiert ist. Wenn die Lichtmuster zu unscharf werden, sind die dreistufigen (ternären) Codes schwer zu unterscheiden, und die Fehlerrate steigt signifikant an. Die Forscher legen nahe, dass ihre Methode zwar eine robuste Lösung für hochgeschwindigkeitsbasierte, hochpräzise Messungen ist, aber immer noch Schwierigkeiten hat, wenn das optische System erheblich außer Fokus ist. Insgesamt deutet die Studie darauf, dass diese hybride Binär-Ternär-Strategie ein leistungsstarkes Gleichgewicht zwischen Geschwindigkeit, Genauigkeit und der Fähigkeit, komplexe Formen zu handhaben, bietet, sofern die Ausrüstung gut fokussiert bleibt.