本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種時空結(jié)合的散斑三維成像方法及裝置。

背景技術(shù)：

基于散斑結(jié)構(gòu)光照明三維成像技術(shù)是一種非接觸式、光學三維數(shù)字成像與測量方法。被廣泛應用于物體三維形變應變測量。通過散斑結(jié)構(gòu)光照明三維成像技術(shù)可以更好理解和分析被測物體的材料的性能。隨著三維成像和測量技術(shù)的快速發(fā)展，縮短測量時間和提高測量精度成為目前主要的研究方向，由于三維重建精度能夠影響測量精度，因此如何提高三維重建的精度變得尤為重要。

現(xiàn)有技術(shù)中，基于隨機散斑圖像的三維重建方法主要采用空間相關(guān)方法，空間相關(guān)方法只需使用單幅圖像即可實現(xiàn)三維重建，但是空間相關(guān)方法是建立在匹配區(qū)域灰度變化基礎之上，由于成像裝置排放位置的不同，以及待測物體表面梯度變化不均勻等因素的影響，空間相關(guān)方法的三維重建結(jié)果精度較低。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種時空結(jié)合的散斑三維成像方法及裝置，旨在解決現(xiàn)有的空間相關(guān)方法的三維重建精度較低的問題。

本發(fā)明提供的一種時空結(jié)合的散斑三維成像方法，包括：

從預置時間序列中選取時間節(jié)點，并從選取的所述時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，其中所述左散斑圖像序列和所述右散斑圖像序列中包含的圖像的數(shù)量相同；

對所述左散斑圖像序列和所述右散斑圖像序列進行時間相關(guān)運算，以在所述右散斑圖像序列中確定整像素級對應點；

根據(jù)所述整像素級對應點、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點坐標，對所述右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點；

根據(jù)所述亞像素對應點的時間平均運算算出待三維重建的對應點；

在所述時間節(jié)點上通過所述待三維重建的對應點進行三維重建。

本發(fā)明提供的一種時空結(jié)合的散斑三維成像裝置，包括：

獲取模塊，用于從預置時間序列中選取時間節(jié)點，并從選取的所述時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，其中所述左散斑圖像序列和所述右散斑圖像序列中包含的圖像的數(shù)量相同；

對應點搜索模塊，用于對所述左散斑圖像序列和所述右散斑圖像序列進行時間相關(guān)運算，以在所述右散斑圖像序列中確定整像素級對應點；

以及，根據(jù)所述整像素級對應點、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點坐標，對所述右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點；

以及，根據(jù)所述亞像素對應點的時間平均運算算出待三維重建的對應點；

三維重建模塊，用于在所述時間節(jié)點上通過所述待三維重建的對應點進行三維重建。

本發(fā)明提供的時空結(jié)合的散斑三維成像方法及裝置，從預置時間序列中選取時間節(jié)點，并從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，其中該左散斑圖像序列和該右散斑圖像序列中包含的圖像的數(shù)量相同，對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點，根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點，根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點，在該時間節(jié)點上通過該待三維重建的對應點進行三維重建，這樣通過將空間相關(guān)運算與時間相關(guān)運算相結(jié)合，可以對任一時間節(jié)點起始的多幅圖像進行搜索對應點運算，搜索到精度高的待三維重建的對應點，在依據(jù)該精度高的待三維重建的對應點進行三維重建，進而提高了三維重建的精度。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例。

圖1是本發(fā)明第一實施例提供的時空結(jié)合的散斑三維成像方法的實現(xiàn)流程示意圖；

圖2是本發(fā)明實施例提供的投影裝置和成像裝置的位置示意圖；

圖3是現(xiàn)有的空間相關(guān)方法對一扇葉重建的三維數(shù)字模型的示意圖；

圖4是本發(fā)明實施例提供的時空結(jié)合的散斑三維成像方法對一扇葉重建的三維數(shù)字模型的示意圖；

圖5是本發(fā)明第二實施例提供的時空結(jié)合的散斑三維成像裝置的結(jié)構(gòu)示意圖。

具體實施方式

為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而非全部實施例?；诒景l(fā)明中的實施例，本領(lǐng)域技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參閱圖1，圖1為本發(fā)明第一實施例提供時空結(jié)合的散斑三維成像方法的實現(xiàn)流程示意圖，可應用于光學三維掃描系統(tǒng)，圖1所示的時空結(jié)合的散斑三維成像方法，主要包括以下步驟：

S101、從預置時間序列中選取時間節(jié)點，并從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列。

其中，需要滿足兩個獲取條件：一是該左散斑圖像序列和該右散斑圖像序列中包含的圖像的數(shù)量相同；二是獲取左散斑圖像序列中每一散斑圖像的時間節(jié)點與獲取該右散斑圖像序列中每一散斑圖像的時間節(jié)點保持一致。舉例說明如下：

如果設從時間節(jié)點t₀開始獲取且獲取的順序為t₀,t₁,...t_n，則t₀時，分別從左、右成像裝置中獲取t₀時刻拍攝的一幀左散斑圖像和一幀右散斑圖像，下一個時間節(jié)點t₁，再次分別從左、右成像裝置中獲取t₁時刻拍攝的一幀左散斑圖像和一幀右散斑圖像，依次類推不再贅述。

此外，從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列不限定獲取散斑圖像的順序，只需滿足上述兩個獲取條件即可。例如，設時間序列為t₀,t₁,...t₅，且若從時間節(jié)點t₃開始獲取，則可以倒序獲取圖像，也可以正序獲取圖像，還可以正序和倒序分別獲取圖像。

在滿足上述兩個獲取條件下，獲取圖像序列的方式有多種表示方式，例如，以一組左散斑圖像序列為例，該左散斑圖像序列可以表示為：t_i(i＝0,1,2,...n)，設在時間節(jié)點t₀開始獲取為n，則左成像裝置輸出的左散斑圖像序列為t₀,t₁,...t_n，同理在時間節(jié)點t₁開始獲取為n+1,則左成像裝置輸出的左散斑圖像序列為t₁,t₂,...t_n+1。

進一步地，步驟S101之前還包括：通過投影裝置向物體的表面投影隨機數(shù)字散斑圖案，并通過放置于該投影裝置兩側(cè)的該左、右成像裝置分別采集帶有該物體的左、右散斑圖像。

如圖2所示，圖2為投影裝置和成像裝置的位置示意圖。從圖2中可以看出，兩個成像裝置，如相機等位于投影裝置的兩側(cè)。需要說明的是，為了便于說明，在本發(fā)明的所有實施例中將位于該投影裝置的左側(cè)的成像裝置稱為左成像裝置；位于該投影裝置右側(cè)的稱為右成像裝置，設從該左成像裝置輸出的一組圖像為左散斑圖像序列，從該右成像裝置輸出的一組圖像為右散斑圖像序列。其中該投影裝置和兩個成像裝置組成了傳統(tǒng)的雙目立體視覺裝置。其中該左散斑圖像序列和該右散斑圖像序列中各圖像的散斑區(qū)域為拍攝的物體。

S102、對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點。

時間相關(guān)又稱為時域相關(guān)。

進一步地，對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點具體為：

根據(jù)時間相關(guān)計算公式對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在右散斑圖像序列中確定該左散斑圖像序列中各像素點對應的對應點，其中該時間相關(guān)計算公式為：

其中，X_i,j,t表示為左成像裝置圖像平面點(i,j)在第t幅左散斑圖像的灰度值，X′_i′,j′,t表示右成像裝置圖像平面內(nèi)對應點(i′,j′)在第t幅右散斑圖像的灰度值，和分別表示左、右成像裝置圖像平面內(nèi)點(i,j)和對應點(i′,j′)在k幅該左散斑圖像序列的灰度平均值和在k幅該右散斑圖像序列的灰度平均值；

在通過該時間相關(guān)計算公式的計算結(jié)果值中選取最大值對應的對應點作為整像素級對應點。

其中k為大于或等于2。這里k表示左散斑圖像序列中有k幅圖像，右散斑圖像序列中有k幅圖像。

S103、根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點。

空間相關(guān)函數(shù)又稱為空域相關(guān)函數(shù)。

進一步地，根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點具體為：

在該左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運算的待優(yōu)化函數(shù)；

其中，為該左散斑圖像上該參考子窗口內(nèi)像素點灰度平均值，為該右散斑圖像上參考子窗口內(nèi)像素點灰度平均值，p^R(u^R,v^R)為左散斑圖像該參考子窗口內(nèi)像素點p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對應點p^G的灰度值；

按照預置迭代步數(shù)，并根據(jù)N-R迭代運算公式進行迭代運算，確定最后一次迭代運算算出的相關(guān)函數(shù)值s_N為結(jié)果值，其中，

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預置迭代初始估計值；為相關(guān)函數(shù)在s_N-1處的梯度值，為相關(guān)函數(shù)在s_N-1處的二次偏導，M表示s參數(shù)的個數(shù)；

根據(jù)該結(jié)果值和二階視差模型算出該亞像素對應點。

迭代運算是從N＝1開始迭代，后續(xù)是N＝2,3…。該預置迭代步數(shù)為預設值，該預置迭代步數(shù)的取值可以為1步，也可以為多步。

需要說明的是，是依據(jù)上述w(s)公式變形得到的，故w(s)＝w(s_N-1)。

這里算出的亞像素對應點為多個亞像素對應點，即為一組亞像素對應點序列。

與上述方法并列，進一步地，根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點具體為：

在該左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運算的待優(yōu)化函數(shù)；

其中，為該左散斑圖像上該參考子窗口內(nèi)像素點灰度平均值，為該右散斑圖像上參考子窗口內(nèi)像素點灰度平均值，p^R(u^R,v^R)為左散斑圖像該參考子窗口內(nèi)像素點p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對應點p^G的灰度值；

根據(jù)N-R迭代運算公式進行迭代運算，算出相關(guān)函數(shù)值s_N，其中，

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預置迭代初始估計值；為相關(guān)函數(shù)在s_N-1處的梯度值，為相關(guān)函數(shù)在s_N-1處的二次偏導，M表示s參數(shù)的個數(shù)；

根據(jù)算出的相關(guān)函數(shù)值s_N和二階視差模型算出坐標值，并對相鄰兩次迭代運算算出的相關(guān)函數(shù)值s_N對應的坐標值求差，算出差值；

若該差值小于預置閾值，則停止迭代運算，并將最后一次迭代運算算出的相關(guān)函數(shù)值s_N對應的坐標值作為該亞像素對應點。

S104、根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點。

根據(jù)該亞像素對應點的時間平均運算，算出精確的對應點，即該待三維重建的對應點。

進一步地，根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點具體為：

對該亞像素對應點P_t^G(i′,j′)進行時間平均運算，算出該待三維重建的對應點

若左散斑圖像序列和右散斑圖像序列分別共有k幅圖像，則在該散斑圖像序列中的第t幅左散斑圖像內(nèi)選取點P_t^R(i,j)，該點P_t^R(i,j)對應的在第t幅右散斑圖像上的亞像素對應點為P_t^G(i′,j′)，則該待三維重建的對應點為

S105、在該時間節(jié)點上通過該待三維重建的對應點進行三維重建。

在該時間節(jié)點上通過該待三維重建的對應點進行三維重建的過程，是利用立體視覺原理進行計算，該立體視覺原理是現(xiàn)有技術(shù)，此處不再贅述。

需要說明的是，時間序列和散斑圖像序列是保持一致的，例如，時間序列中選取的時間節(jié)點為t，則左散斑圖像序列中是第t幅散斑圖像以及右散斑圖像序列中也是第t幅散斑圖像。本發(fā)明實施例中所描述的圖像均為散斑圖像。

如圖3和圖4所示，圖3和圖4是分別使用現(xiàn)有的空間相關(guān)方法和本發(fā)明實施例中描述的方法對一扇葉重建的三維數(shù)字模型的示意圖。對比圖3和圖4，可見本發(fā)明實施例提供的方法的精度高于現(xiàn)有的空間相關(guān)方法。

本發(fā)明實施例中，從預置時間序列中選取時間節(jié)點，并從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點，根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點，根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點，在該時間節(jié)點上通過該待三維重建的對應點進行三維重建，這樣通過將空間相關(guān)運算與時間相關(guān)運算相結(jié)合，可以對任一時間節(jié)點起始的多幅圖像進行搜索對應點運算，搜索到精度高的待三維重建的對應點，在依據(jù)該精度高的待三維重建的對應點進行三維重建，進而提高了三維重建的精度。

請參閱圖5，圖5是本發(fā)明第二實施例提供的時空結(jié)合的散斑三維成像裝置的結(jié)構(gòu)示意圖，為了便于說明，僅示出了與本發(fā)明實施例相關(guān)的部分。圖5示例的時空結(jié)合的散斑三維成像裝置可以是前述圖1所示實施例提供的時空結(jié)合的散斑三維成像方法的執(zhí)行主體。圖5示例的時空結(jié)合的散斑三維成像裝置，主要包括：獲取模塊501、對應點搜索模塊502和三維重建模塊503。以上各功能模塊詳細說明如下：

獲取模塊501，用于從預置時間序列中選取時間節(jié)點，并從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列。

其中，需要滿足兩個獲取條件：一是該左散斑圖像序列和該右散斑圖像序列中包含的圖像的數(shù)量相同；二是獲取左散斑圖像序列中每一散斑圖像的時間節(jié)點與獲取該右散斑圖像序列中每一散斑圖像的時間節(jié)點保持一致。舉例說明如下：

如果設從時間節(jié)點t₀開始獲取且獲取的順序為t₀,t₁,...t_n，則t₀時，分別從左、右成像裝置中獲取t₀時刻拍攝的一幀左散斑圖像和一幀右散斑圖像，下一個時間節(jié)點t₁，再次分別從左、右成像裝置中獲取t₁時刻拍攝的一幀左散斑圖像和一幀右散斑圖像，依次類推不再贅述。

此外，從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列不限定獲取散斑圖像的順序，只需滿足上述兩個獲取條件即可。例如，設時間序列為t₀,t₁,...t₅，且若從時間節(jié)點t₃開始獲取，則可以倒序獲取圖像，也可以正序獲取圖像，還可以正序和倒序分別獲取圖像。

在滿足上述兩個獲取條件下，獲取圖像序列的方式有多種表示方式，例如，以一組左散斑圖像序列為例，該左散斑圖像序列可以表示為：t_i(i＝0,1,2,...n)，設在時間節(jié)點t₀開始獲取為n，則左成像裝置輸出的左散斑圖像序列為t₀,t₁,...t_n，同理在時間節(jié)點t₁開始獲取為n+1,則左成像裝置輸出的左散斑圖像序列為t₁,t₂,...t_n+1。

對應點搜索模塊502，用于對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點。

進一步地，該對應點搜索模塊502還用于執(zhí)行以下步驟：

根據(jù)時間相關(guān)計算公式對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在右散斑圖像序列中確定該左散斑圖像序列中各像素點對應的對應點，該時間相關(guān)計算公式為：

其中，X_i,j,t表示為左成像裝置圖像平面點(i,j)在第t幅左散斑圖像的灰度值，X′_i′,j′,t表示右成像裝置圖像平面內(nèi)對應點(i′,j′)在第t幅右散斑圖像的灰度值，和分別表示左、右成像裝置圖像平面內(nèi)點(i,j)和對應點(i′,j′)在k幅該左散斑圖像序列的灰度平均值和在k幅該右散斑圖像序列的灰度平均值，其中k為大于或等于2；

在通過該時間相關(guān)計算公式的計算結(jié)果值中選取最大值對應的對應點作為整像素級對應點。

對應點搜索模塊502，還用于根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點。

進一步地，該對應點搜索模塊502還用于執(zhí)行以下步驟：

在該左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運算的待優(yōu)化函數(shù)；

其中，為該左散斑圖像上該參考子窗口內(nèi)像素點灰度平均值，為該右散斑圖像上參考子窗口內(nèi)像素點灰度平均值，p^R(u^R,v^R)為左散斑圖像該參考子窗口內(nèi)像素點p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對應點p^G的灰度值；

按照預置迭代步數(shù)，并根據(jù)N-R迭代運算公式進行迭代運算，確定最后一次迭代運算算出的相關(guān)函數(shù)值s_N為結(jié)果值，其中，

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預置迭代初始估計值；為相關(guān)函數(shù)在s_N-1處的梯度值，為相關(guān)函數(shù)在s_N-1處的二次偏導，M表示s參數(shù)的個數(shù)；

根據(jù)該結(jié)果值和二階視差模型算出該亞像素對應點。

需要說明的是，是依據(jù)上述w(s)公式變形得到的，故w(s)＝w(s_N-1)?？蛇x地，該對應點搜索模塊502還用于執(zhí)行以下步驟：

在該左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運算的待優(yōu)化函數(shù)；

其中，為該左散斑圖像上該參考子窗口內(nèi)像素點灰度平均值，為該右散斑圖像上參考子窗口內(nèi)像素點灰度平均值，p^R(u^R,v^R)為左散斑圖像該參考子窗口內(nèi)像素點p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對應點p^G的灰度值；

根據(jù)N-R迭代運算公式進行迭代運算，算出相關(guān)函數(shù)值s_N，其中，

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預置迭代初始估計值；為相關(guān)函數(shù)在s_N-1處的梯度值，為相關(guān)函數(shù)在s_N-1處的二次偏導，M表示s參數(shù)的個數(shù)；

根據(jù)算出的相關(guān)函數(shù)值s_N和二階視差模型算出坐標值，并對相鄰兩次迭代運算算出的相關(guān)函數(shù)值s_N對應的坐標值求差，算出差值；

若該差值小于預置閾值，則停止迭代運算，并將最后一次迭代運算算出的相關(guān)函數(shù)值s_N對應的坐標值作為該亞像素對應點。

對應點搜索模塊502，還用于根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點。

進一步地，對應點搜索模塊502還用于對該亞像素對應點P_t^G(i′,j′)進行時間平均運算，算出該待三維重建的對應點

三維重建模塊503，用于在該時間節(jié)點上通過該待三維重建的對應點進行三維重建。

進一步地，該裝置還包括采集模塊(圖中未示出)，用于通過投影裝置向物體的表面投影隨機數(shù)字散斑圖案，并通過放置于該投影裝置兩側(cè)的該左、右成像裝置分別采集帶有該物體的左、右散斑圖像。

從圖2中可以看出，兩個成像裝置，如相機等位于投影裝置的兩側(cè)。需要說明的是，為了便于說明，在本發(fā)明的所有實施例中將位于該投影裝置的左側(cè)的成像裝置稱為左成像裝置；位于該投影裝置右側(cè)的稱為右成像裝置，設從該左成像裝置輸出的一組圖像為左散斑圖像序列，從該右成像裝置輸出的一組圖像為右散斑圖像序列。其中該投影裝置和兩個成像裝置組成了傳統(tǒng)的雙目立體視覺裝置。其中該左散斑圖像序列和該右散斑圖像序列中各圖像的散斑區(qū)域為拍攝的物體。

本實施例未盡之細節(jié)，請參閱前述圖1所示實施例的描述，此處不再贅述。

本發(fā)明實施例中，獲取模塊501從預置時間序列中選取時間節(jié)點，并從選取的該時間節(jié)點開始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，對應點搜索模塊502對該左散斑圖像序列和該右散斑圖像序列進行時間相關(guān)運算，以在該右散斑圖像序列中確定整像素級對應點，根據(jù)該整像素級對應點、空間相關(guān)函數(shù)以及該左散斑圖像序列中各左散斑圖像的像素點坐標，對該右散斑圖像序列中每幀右散斑圖像進行亞像素對應點搜索運算，得到亞像素對應點，根據(jù)該亞像素對應點的時間平均運算算出待三維重建的對應點，三維重建模塊503在該時間節(jié)點上通過該待三維重建的對應點進行三維重建，這樣通過將空間相關(guān)運算與時間相關(guān)運算相結(jié)合，可以對任一時間節(jié)點起始的多幅圖像進行搜索對應點運算，搜索到精度高的待三維重建的對應點，在依據(jù)該精度高的待三維重建的對應點進行三維重建，進而提高了三維重建的精度。

在本申請所提供的多個實施例中，應該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模塊的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個模塊或組件可以結(jié)合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信鏈接可以是通過一些接口，裝置或模塊的間接耦合或通信鏈接，可以是電性，機械或其它的形式。

所述作為分離部件說明的模塊可以是或者也可以不是物理上分開的，作為模塊顯示的部件可以是或者也可以不是物理模塊，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡模塊上。可以根據(jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能模塊可以集成在一個處理模塊中，也可以是各個模塊單獨物理存在，也可以兩個或兩個以上模塊集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。

所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網(wǎng)絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

需要說明的是，對于前述的各方法實施例，為了簡便描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某些步驟可以采用其它順序或者同時進行。其次，本領(lǐng)域技術(shù)人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定都是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關(guān)描述。

以上為對本發(fā)明所提供的時空結(jié)合的散斑三維成像方法及裝置的描述，對于本領(lǐng)域的技術(shù)人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應用范圍上均會有改變之處，綜上，本說明書內(nèi)容不應理解為對本發(fā)明的限制。