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

Imaginez essayer de prendre une photo 3D parfaite d'un objet bosselé, brillant ou sombre sans jamais le toucher. Les scientifiques utilisent une astuce ingénieuse appelée « profilométrie par projection de franges ». Ils projettent une série de motifs striés (comme un code-barres fait de lumière) sur un objet et utilisent une caméra pour observer comment ces stries se courbent et se déforment. En mesurant cette déformation, un ordinateur peut calculer la forme de l'objet. Cependant, il y a un piège : l'ordinateur ne voit les stries que comme une boucle répétitive, comme une horloge qui se réinitialise toutes les 12 heures. Il sait qu'il est « 3 heures », mais il ne sait pas s'il s'agit de 3 heures du matin, 15 heures, ou de 3 jours plus tard. Pour corriger cela, l'ordinateur doit « dérouler » la phase, en comprenant exactement sur quelle boucle du motif de stries il se trouve. C'est ce qu'on appelle le « déroulement de phase ». Si l'ordinateur se trompe de boucle, le modèle 3D se retrouve déformé, avec des parties de l'objet apparaissant au mauvais endroit ou ressemblant à un jeu vidéo buggé. Réussir cela est crucial pour tout, de la numérisation de visages pour la sécurité à la conception de pièces automobiles, mais c'est notoirement difficile en présence de bruit, d'un mauvais éclairage ou si l'objet est très complexe.

Entrez dans une nouvelle stratégie de chercheurs de l'Université technologique de Xi'an, qui ont conçu une méthode « hybride » pour résoudre ce casse-tête. Au lieu de s'appuyer sur un seul type de code pour dire à l'ordinateur sur quelle boucle il se trouve, ils ont mélangé deux types de langages de codage différents : un code « binaire » simple (comme un interrupteur de lumière qui est soit allumé, soit éteint) et un code « ternaire » (un interrupteur à trois voies qui peut être bas, moyen ou haut). Imaginez que vous essayez de trouver une maison spécifique dans une ville géante. Un code binaire, c'est comme demander : « La maison est-elle du côté gauche ou droit de la rue ? » Un code ternaire, c'est comme demander : « La maison est-elle au premier, deuxième ou troisième pâté de maisons ? » En combinant ces questions, les chercheurs peuvent localiser l'emplacement beaucoup plus rapidement et plus précisément qu'en utilisant un seul type de question.

L'article propose une méthode qui utilise une séquence spécifique de motifs lumineux : quatre étapes pour obtenir une « carte » de haute précision de la surface, trois étapes pour obtenir une carte d'aide, et trois motifs spéciaux de « code Gray ternaire » pour servir d'étiquettes d'adresse. La partie ingénieuse réside dans la lecture de ces étiquettes. Au lieu d'avoir besoin de photos de « calibration » supplémentaires (comme prendre une photo d'un mur blanc pour savoir à quoi ressemble le « blanc »), leur système analyse la luminosité des stries elles-mêmes pour déterminer les seuils de décodage. C'est comme un détective qui n'a pas besoin d'une photo de référence pour reconnaître un suspect ; il analyse simplement les indices devant lui. Cela leur permet de gérer des situations délicates où l'éclairage change ou si la surface est brillante.

Pour s'assurer de ne pas commettre d'erreurs aux bords où les codes changent (les zones de « frontière »), l'équipe a ajouté une étape de « pré-correction ». Ils vérifient si la direction des stries correspond à la logique du code d'adresse. Si le calcul ne correspond pas — par exemple, si l'adresse indique « Bloc 3 » mais que les stries suggèrent « Bloc 2 » — le système remplace automatiquement l'adresse par une meilleure candidate avant de finaliser la forme 3D.

Les chercheurs ont testé cette idée de deux manières. Premièrement, ils ont effectué des simulations informatiques avec différents niveaux de « bruit » (simulant une image désordonnée et granuleuse). Ils ont constaté que même lorsque l'image était très bruitée, leur méthode commettait beaucoup moins d'erreurs que les anciennes techniques. Plus précisément, ils ont rapporté que leur approche réduisait l'erreur globale de comptage des boucles de franges d'environ 21 fois et rendait la forme 3D finale beaucoup plus lisse, réduisant l'erreur quadratique moyenne d'environ 43 fois par rapport aux méthodes non corrigées. Dans leurs expériences en conditions réelles, ils ont numérisé avec succès des objets complexes comme des visages humains et plusieurs articles à la fois, prouvant que le système fonctionne même sur des surfaces courbes et détaillées.

Cependant, l'article note également une limite : le système est sensible au « défocalisation », qui se produit si le projecteur n'est pas parfaitement focalisé. Lorsque les motifs lumineux deviennent trop flous, les codes à trois niveaux (ternaires) deviennent difficiles à distinguer, et le taux d'erreur grimpe de manière significative. Les chercheurs suggèrent que, bien que leur méthode soit une solution robuste pour des mesures à haute vitesse et haute précision, elle éprouve toujours des difficultés lorsque le système optique est significativement hors de mise au point. Dans l'ensemble, l'étude suggère que cette stratégie hybride binaire-ternaire offre un équilibre puissant entre vitesse, précision et capacité à gérer des formes complexes, à condition que l'équipement soit maintenu en bonne mise au point.