随着物体识别和三维(3D)重建技术在各种逆向工程、人工智能、医疗诊断和工业生产领域变得至关重要，人们越来越关注寻求高效、速度更快、更集成的方法来简化加工。

在当前的物体识别和3D重建领域，样本轮廓信息的提取主要是通过各种计算机算法来完成的。传统计算机处理器受到功耗高、运算速度低、算法复杂等多重限制。在这方面，最近人们越来越关注寻找替代光学方法来执行这些技术。

光学计算理论和图像处理的发展为物体识别和3D重建技术提供了更加完整的理论基础。近年来，光学方法由于其超快的运算速度、高集成度和低延迟的巨大优势，作为比传统机制的替代范式受到了更多的关注。

作为亚波长尺度的二维纳米结构，超表面在光学的革命性发展中展现出了非凡的能力，可以有效简化和深度集成光学系统的占地面积。

在实际应用中，超表面已显示出有效操纵多个光参数的能力。因此，超表面被应用于许多潜在领域，例如光学模拟计算、光学密码学、光学器件设计、信号操纵、显微成像、光学成像和纳米绘画。

光学计算超表面作为一种二维人工设计元件，表现出控制光束的相位、幅度、偏振和频率分布的超常特性，能够对输入光场进行数学运算。

近日，湖南大学物理与电子学院罗海璐教授课题组提出了一种基于光计算超表面的全光学物体识别与3D重建技术。与传统机制不同，该方案减少了轮廓表面提取处理中的内存消耗。高对比度和低对比度物体的实验结果的识别和重建与真实物体非常吻合。全光学物体识别和3D重建技术的探索提供了高效率、低消耗和紧凑系统的潜在应用。

该文章发表在Opto-ElectronicAdvances上，作者提出了一种基于光学计算超表面的全光学物体识别和3D重建技术。通过设计和制造光学计算超表面，实现了高对比度和低对比度物体的全光学物体识别和3D重建。

与以往基于超表面的3D成像研究不同，该方法依靠光学模拟计算来获取物体的轮廓信息，可以实现高对比度和低对比度物体的物体识别和3D重建，可以提供基于超表面的光学模拟计算的独特应用。物体识别系统的原理如图1(a)所示。

当被观察物体添加到系统中时，系统可以通过全光学的方式输出物体的轮廓信息。该系统的物体识别能力还可以扩展到全光学3D重建技术。通过重新组合观察物体的不同投影图像，可以获得观察物体的3D模型，无论是高对比度物体还是低对比度物体[图1]。1(b)]。

从理论上讲，高对比度物体的3D轮廓表面可以视为无限二维轮廓的叠加。因此，对于高对比度物体，提出了旋转方法和切片方法来获得3D重建。对于低对比度物体，可以通过打破正交偏振态技术来获得3D重建模型。

为了证实上述方案中3D重建的可行性，以图2(a)中的球体为例。通过在光学系统中等间隔旋转物体，CCD相机可以捕获物体在不同投影平面上的多个轮廓结果，如图2(b)所示。最后，通过重新排列和组合整个轮廓信息，可以重建高对比度物体的3D实验重建模型[图1]。2(c)]。

在图中。如图3(d)–3(e)所示，芫荽籽、蘑菇模型和棒棒糖模型已被用来演示这一重建过程。理论上讲，间距角越小，重建模型越准确。作为概念验证演示，仅使用有限的轮廓来说明该方案进行3D重建的可行性，实验结果表明该技术是方便且准确的。

不失一般性，研究小组重点研究具有复杂轮廓表面的高对比度物体。对于一些具有复杂表面的高对比度物体，通过旋转物体的3D重建方法不再适用。因此，该小组提出了另一种通过切片物体的3D重建方法。以图3(a)中的球体为例，以微小间隔对物体进行切片，通过CCD相机可以捕获物体在不同投影平面上的多个轮廓结果，如图3(b)所示。

通过对这三个物体进行切片，得到它们在不同平面上的轮廓信息，对这些轮廓信息进行重新排列和组合，最终得到如图1和图2所示的3D实验重建模型。3(d2)–3(f2)。无论是内部有凹口的凹槽、外部凸起的凸台还是斜面的平台，3D实验重建模型的形状和尺寸都与原始物体非常吻合。该方法对于具有复杂表面或内部结构的物体的3D重建具有潜在的应用。

通过探索基于光计算超表面的全光模拟计算系统的应用，提出并实现了针对高对比度和低对比度物体的光学物体识别和3D重建技术。这项工作有望应用于种子筛选、表面形貌检测和定量显微3D重建，该研究将为图像处理和工业检测提供独特的方向。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：