VIETNAM NATIONAL UNIVERSITY

UNIVERSITY OF ENGINEERING AND TECHNOLOGY

Quang điện tử
Hệ thống thu nhận ảnh 3D sử dụng kỹ thuật
ánh sáng cấu trúc
Họ và tên: Lại Mạnh Cường-20021498
Lớp:
 Hà Nội, ngày tháng năm 2023

Mục Lục:

Mục Lục:..............................................................................................................1

1. Giới thiệu.........................................................................................................3

2. Kỹ thuật Chiếu Sáng Tuần Tự......................................................................7

2.1. Mẫu Nhị Phân và Mã Xám.....................................................................7

2.2. Mẫu Mức Xám.........................................................................................8

2.3. Pha Dịch....................................................................................................9

2.4. Phương pháp Kết hợp: Dịch Pha + Mã Xám......................................11

2.5. Photometrics...........................................................................................11

3. Mẫu màu không gian biến đổi toàn khung hình........................................12

3.1. Rainbow 3D camera..............................................................................12

3.2. Mã Hóa Màu Liên Tục..........................................................................13

4. Chỉ mục Vạch (Lấy Mẫu Đơn)....................................................................13

4.1. Sử dụng Màu sắc trong Chỉ mục Vạch................................................14

4.2. Sử dụng Mẫu Đoạn trong Chỉ mục Vạch............................................14

4.3. Sử dụng Mẫu Xám Lặp.........................................................................15

4.4. Chỉ Mục Vạch Dựa Trên Dãy De Bruijn.............................................16

5. Chỉ Mục Lưới: Mẫu Lưới Không Gian 2D................................................17

5.1. Mảng Nhị Phân Giả Ngẫu Nhiên (PRBA)...........................................17

5.2. Mẫu Nhỏ Được Sử Dụng Như Các Từ Mã..........................................18

5.3. Mã Màu Cho Lưới.................................................................................18

1
 5.4. Mảng 2D Của Các Dấu Màu Được Mã Màu......................................19

5.5. Các Phương Pháp Kết Hợp..................................................................20

6. Đánh Giá Hiệu Suất Của Hệ Thống Hình Ảnh Bề Mặt 3D......................20

6.1. Độ chính xác (Accuracy).......................................................................21

6.2. Độ phân giải (Resolution)......................................................................21

6.3. Tốc độ......................................................................................................21

7. Kỹ Thuật Hiệu Chuẩn Máy Ảnh và Máy Chiếu........................................23

7.1. Thuật Toán Hiệu Chuẩn Máy Ảnh......................................................23

7.2. Hiệu Chuẩn Máy Chiếu.........................................................................25

7.2a. Hiệu Chuẩn Độ Sáng Của Máy Chiếu...........................................25

7.2b. Hiệu Chuẩn Hình Học Của Máy Chiếu.........................................25
8. Đối tượng cho ứng dụng của công nghệ hình ảnh 3D bề mặt sử dụng Ánh
sáng cấu trúc.....................................................................................................26

8.1. Kỹ thuật Chiếu Sáng Cấu Trúc:...........................................................26

8.2. Hệ Thống Thu Thập Ảnh 3D:...............................................................27

8.3. Hiệu Chuẩn Máy Ảnh và Máy Chiếu:.................................................27

8.4. Xử Lý Dữ Liệu 3D:................................................................................27

8.5. Đánh Giá Hiệu Suất và Hiệu Chuẩn:...................................................27

8.6. Hướng Dẫn Thực Hiện:.........................................................................27

2
1. Giới thiệu
Thế giới vật lý xung quanh chúng ta là ba chiều (3D); tuy nhiên, các máy
ảnh và cảm biến hình ảnh truyền thống chỉ có thể thu thập được hình ảnh hai
chiều (2D) thiếu thông tin về độ sâu. Ràng buộc cơ bản này hạn chế đáng kể
khả năng của chúng ta trong việc nhận thức và hiểu sự phức tạp của các đối
tượng trong thế giới thực. Trong vài thập kỷ qua, đã có sự tiến bộ đáng kể trong
nghiên cứu, phát triển và thương mại hóa các công nghệ hình ảnh bề mặt 3D,
được kích thích bởi nhu cầu ứng dụng trong nhiều lĩnh vực thị trường, sự tiến
bộ trong cảm biến hình ảnh điện tử có độ phân giải cao và tốc độ cao, cùng với
sức mạnh tính toán ngày càng tăng. Trong bài viết này, chúng tôi cung cấp một
tổng quan về các tiến bộ gần đây trong các công nghệ hình ảnh bề mặt bằng ánh
sáng cấu trúc.
Thuật ngữ "hình ảnh 3D" đề cập đến các kỹ thuật có khả năng thu thập dữ
liệu 3D thực sự, tức là các giá trị của một số đặc tính của một đối tượng 3D,
chẳng hạn như phân phối mật độ, dưới dạng hàm của tọa độ 3D (x, y, z). Ví dụ
từ lĩnh vực hình ảnh y học là tomograf hóa tính toán (CT) và hình ảnh từng
phần cực từ (MRI), có khả năng thu thập các voxel thể tích của mục tiêu đo
lường, bao gồm cấu trúc bên trong của nó. Ngược lại, hình ảnh bề mặt liên quan
đến việc đo lường các tọa độ (x, y, z) của các điểm trên bề mặt của một đối
tượng. Vì bề mặt thường không phẳng, nó được mô tả trong không gian 3D, và
vấn đề hình ảnh được gọi là hình ảnh bề mặt 3D. Kết quả của việc đo lường có
thể được coi như một bản đồ của độ sâu (hoặc phạm vi) z như một hàm của vị
trí (x, y) trong hệ tọa độ Descartes và có thể được biểu thị dưới dạng ma trận số
học {zij = (xi, yj, ), i = 1, 2, . . . , L, j = 1, 2, . . . , M}. Quá trình này còn được
gọi là đo lường bề mặt 3D, xác định khoảng cách, đo chiều sâu, ánh sáng cấu
trúc, quét bề mặt, v.v. Các thuật ngữ này được sử dụng trong các lĩnh vực ứng
dụng khác nhau và thường đề cập đến chức năng hình ảnh bề mặt cơ bản tương
đương, chỉ khác nhau ở các chi tiết của thiết kế hệ thống, triển khai và/hoặc
định dạng dữ liệu.
Một hệ thống hình ảnh bề mặt 3D tổng quát hơn có khả năng thu thập
một giá trị vô hướng, chẳng hạn như ánh sáng phản xạ bề mặt, liên quan đến
mỗi điểm trên bề mặt phi phẳng. Kết quả là một điểm chùm {Pi = (xi, yi, zi, fi),
i = 1, 2, . . . , N}, trong đó fi biểu thị giá trị tại điểm bề mặt thứ i trong tập dữ
liệu. Tương tự, hình ảnh bề mặt màu sắc được biểu thị bằng {Pi = (xi, yi, zi, ri,
gi, bi), i = 1, 2, . . . , N}, trong đó vector (ri, gi, bi) biểu thị các thành phần màu
đỏ, xanh lá cây và xanh dương liên quan đến điểm bề mặt thứ i.

3
 Hình 1: Ánh sáng cấu trúc

Một phương pháp chính của hình ảnh bề mặt 3D dựa trên việc sử dụng
"ánh sáng cấu trúc", tức là chiếu sáng hoạt động của cảnh với mẫu cường độ
không gian 2D được thiết kế đặc biệt. Như minh họa trong Hình 1, một mẫu
chiếu sáng cấu trúc 2D không gian biến đổi được tạo ra bởi một máy chiếu đặc
biệt hoặc nguồn sáng được điều khiển bởi một bộ điều khiển ánh sáng không
gian. Cường độ của mỗi điểm ảnh trên mẫu ánh sáng cấu trúc được biểu thị bởi
tín hiệu số học {Iij = (i, j), i = 1, 2, . . . , I, j = 1, 2, . . . , J}, trong đó (i, j) biểu
thị các tọa độ (x, y) của mẫu đã được chiếu sáng. Các mẫu chiếu sáng cấu trúc
được thảo luận trong đây là các mẫu 2D.
Một cảm biến hình ảnh (ví dụ: một máy ảnh video) được sử dụng để thu
thập hình ảnh 2D của cảnh dưới ánh sáng cấu trúc. Nếu cảnh là bề mặt phẳng
mà không có biến thể bề mặt 3D, mẫu hiển thị trên hình ảnh đã thu được giống
với mẫu ánh sáng cấu trúc đã được chiếu sáng. Tuy nhiên, khi bề mặt trong
cảnh không phẳng, hình dạng hình học của bề mặt biến dạng mẫu ánh sáng cấu
trúc đã được chiếu sáng nhìn từ máy ảnh. Nguyên tắc của các kỹ thuật hình ảnh
bề mặt 3D sử dụng ánh sáng cấu trúc là trích xuất hình dạng bề mặt 3D dựa trên
thông tin từ sự biến dạng của mẫu ánh sáng cấu trúc đã được chiếu sáng. Các hồ
sơ bề mặt 3D chính xác của các đối tượng trong cảnh có thể được tính toán bằng
cách sử dụng các nguyên tắc và thuật toán ánh sáng cấu trúc khác nhau.
Như minh họa trong Hình 1, mối quan hệ hình học giữa một cảm biến
hình ảnh, một máy chiếu ánh sáng cấu trúc và một điểm bề mặt đối tượng có thể
được biểu thị bằng nguyên tắc tam giác hóa là:

4
 Khóa cho hình ảnh bề mặt 3D dựa trên nguyên tắc tam giác hóa là kỹ
thuật được sử dụng để phân biệt một chấm sáng duy nhất đã được chiếu sáng từ
hình ảnh đã được thu dưới mẫu chiếu sáng cấu trúc 2D. Các kế hoạch khác nhau
đã được đề xuất cho mục đích này, và hướng dẫn này sẽ cung cấp một cái nhìn
tổng quan về các phương pháp khác nhau dựa trên ánh sáng cấu trúc.

Hình 2: Hoạt hình máy tính (Media 1) của hệ thống hình ảnh 3D ánh sáng có cấu trúc
để thể hiện nguyên lý hoạt động của nó.

Theo nghĩa tổng quát hơn, các mẫu ánh sáng có cấu trúc được chiếu sáng
tích cực có thể bao gồm các biến thể không gian theo tất cả các hướng (x, y, z),
do đó trở thành một hệ thống chiếu ánh sáng có cấu trúc 3D thực sự. Ví dụ,
cường độ ánh sáng chiếu có thể thay đổi dọc theo đường quang của ánh sáng
chiếu do sự giao thoa quang học kết hợp. Tuy nhiên, hầu hết các hệ thống hình
ảnh bề mặt 3D ánh sáng có cấu trúc đều sử dụng mẫu chiếu 2D.
Hình 2 đại diện cho một hoạt ảnh máy tính (Media 1) của một hệ thống
hình ảnh 3D sử dụng ánh sáng cấu trúc để thể hiện nguyên tắc hoạt động của nó.
Một bề mặt 3D mục tiêu tùy ý được chiếu sáng bởi mẫu chiếu sáng cấu trúc.
Trong trường hợp cụ thể này, mẫu cấu trúc ánh sáng là một phổ màu đa vòng
lặp biến đổi không gian. Một cảm biến hình ảnh màu sắc thu thập hình ảnh của
bề mặt 3D mục tiêu dưới ánh sáng cấu trúc. Trong hoạt ảnh này, chúng tôi thay
đổi độ hình học của bề mặt 3D. Hình ảnh được chụp bởi cảm biến hình ảnh biến
đổi tương ứng. Dựa trên sự biến dạng của mẫu ánh sáng cấu trúc trên hình ảnh
đã được thu thập so sánh với mẫu chiếu sáng cấu trúc không biến dạng, hình
dạng hình học 3D của bề mặt mục tiêu có thể được tính toán chính xác.
Hiện nay có nhiều kỹ thuật hình ảnh bề mặt bằng ánh sáng cấu trúc.
Trong bài đánh giá này, chúng tôi đầu tiên phân loại tất cả các kỹ thuật thành
các loại tuần tự (nhiều lần chụp) hoặc một lần chụp, như được minh họa một
cách nguyên tắc trong Hình 3, có thể coi như một lộ trình cho công nghệ này.
Nếu đối tượng 3D mục tiêu là tĩnh và ứng dụng không đặt ra ràng buộc nghiêm

5
ngặt về thời gian thu thập, có thể sử dụng các kỹ thuật nhiều lần chụp và thường
mang lại kết quả đáng tin cậy và chính xác hơn. Tuy nhiên, nếu đối tượng đang
di chuyển, cần phải sử dụng các kỹ thuật một lần chụp để thu thập hình ảnh bề
mặt 3D một lần tại thời điểm cụ thể.

Hình 3: Khung phân loại của kỹ thuật hình ảnh 3D của ánh sáng cấu trúc..

Chúng ta tiếp tục phân loại các kỹ thuật một lần chụp thành ba danh mục
rộng: kỹ thuật sử dụng các mẫu ánh sáng cấu trúc biến thiên liên tục, kỹ thuật sử
dụng các hệ thống mã hóa 1D (chỉ số dải), và kỹ thuật sử dụng các hệ thống mã
hóa 2D (chỉ số lưới). Mỗi kỹ thuật có ưu điểm và nhược điểm riêng, phụ thuộc
vào các ứng dụng cụ thể. Có khả năng kết hợp các kỹ thuật khác nhau lại với
nhau để đạt được một số lợi ích cụ thể. Chi tiết về các kỹ thuật này được cung
cấp trong các phần 2–5.
Phần 6 thảo luận về các vấn đề liên quan đến đánh giá hiệu suất của các
hệ thống hình ảnh bề mặt 3D. Phần 7 đánh giá các kỹ thuật hiệu chuẩn máy ảnh

6
và máy chiếu quan trọng đối với việc hoạt động thành công của bất kỳ hệ thống
hình ảnh bề mặt 3D nào sử dụng ánh sáng cấu trúc. Phần 8 cung cấp một số ví
dụ về các ứng dụng.

2. Kỹ thuật Chiếu Sáng Tuần Tự

2.1. Mẫu Nhị Phân và Mã Xám
Kỹ thuật mã nhị phân sử dụng các vạch đen và trắng để tạo ra một chuỗi
mẫu chiếu sáng tuần tự, sao cho mỗi điểm trên bề mặt của đối tượng có một mã
nhị phân duy nhất khác biệt so với bất kỳ mã nào của các điểm khác. Nói chung,
N mẫu có thể mã hóa 2^N vạch.
Hình 4 hiển thị một mẫu chiếu sáng 5-bit đơn giản. Khi chuỗi này các
mẫu này được chiếu sáng lên một cảnh tĩnh, có 32 (tức là 2^5) khu vực duy nhất
được mã hóa với các vạch duy nhất. Tọa độ 3D (x, y, z) có thể được tính toán
(dựa trên nguyên tắc tam giác hóa) cho tất cả 32 điểm trên mỗi đường ngang,
tạo thành một khung hình 3D đầy đủ.

Hình 4: Các phép chiếu mẫu được mã hóa nhị phân tuần tự cho hình ảnh 3D.

Kỹ thuật mã nhị phân rất đáng tin cậy và ít nhạy cảm đối với đặc tính bề
mặt, vì chỉ có giá trị nhị phân tồn tại trong tất cả các điểm ảnh. Tuy nhiên, để
đạt được độ phân giải không gian cao, cần phải chiếu sáng một số lượng lớn các
mẫu tuần tự. Tất cả các đối tượng trong cảnh phải duy trì tĩnh. Thời gian thu
thập hình ảnh 3D toàn bộ có thể dài hơn một ứng dụng 3D thực tế cho phép.

7
2.2. Mẫu Mức Xám
Để giảm hiệu quả số lượng mẫu cần thiết để thu được hình ảnh 3D độ
phân giải cao, mẫu mức xám được phát triển.

Hình 5: Mã hóa mức xám trên cùng cho hình ảnh 3D: N = 3, M = 3. Dưới cùng, các mẫu
mã hóa mức xám được tối ưu hóa

Ví dụ, có thể sử dụng M mức cường độ khác biệt (thay vì chỉ hai trong
mã nhị phân) để tạo ra mã hóa duy nhất cho các mẫu chiếu sáng. Trong trường
hợp này, N mẫu có thể mã hóa MN vạch. Mỗi mã vạch có thể được mô tả như
một điểm trong không gian dựa trên N, và mỗi chiều có M giá trị khác biệt . Ví
dụ, nếu N = 3 và M = 4, thì tổng số mã vạch mã hóa duy nhất là 64 (tức là 4^3).
So với 64 vạch mã hóa bằng mã nhị phân, cần 6 mẫu. Có một tối ưu hóa trong
thiết kế các mẫu mã nhị phân và mức xám. Mục tiêu là tối đa hóa một loại đo
lường khoảng cách nào đó trong tất cả các từ mã hóa duy nhất . Đối với các ứng
dụng 3D thực tế, khả năng phân biệt giữa các vạch liền kề là quan trọng.
Hình 5 hiển thị một ví dụ về các mẫu mã hóa mức xám được tối ưu hóa
trong không gian Hilbert .
8
2.3. Pha Dịch
Pha dịch là một phương pháp chiếu sáng dải nổi tiếng cho hình ảnh bề
mặt 3D. Một tập hợp các mẫu dao động sin được chiếu sáng lên bề mặt đối
tượng (Hình 6). Cường độ cho mỗi điểm ảnh (x, y) của ba mẫu dao động được
mô tả như sau:

Trong đó I1(x, y), I2(x, y) và I3(x, y) là cường độ của ba mẫu dao động,
I0(x, y) là thành phần DC (nền), Imod(x, y) là biên độ tín hiệu dao động, φ(x, y)
là pha, và θ là góc pha không đổi.

Hình 6: Sự dịch pha với ba kiểu chiếu và một ví dụ về ảnh rìa.

Pha mở ( Phase unwrapping) là quy trình chuyển đổi pha bị bọc sang pha
tuyệt đối. Thông tin pha Φ(x, y) có thể được thu được từ cường độ trong ba mẫu
dao động như sau:

9
 Sự gián đoạn của hàm tiếp tuyến cung (arc tangent) tại 2π có thể được
loại bỏ bằng cách thêm hoặc trừ nhiều lần của 2π vào giá trị Φ’(x, y) (Hình 7):

Trong đó k là một số nguyên biểu thị chu kỳ chiếu. Lưu ý rằng các
phương pháp giải gói chỉ cung cấp một phần giải gói tương đối và không giải
quyết cho pha tuyệt đối. Các tọa độ 3D (x, y, z) có thể được tính toán dựa trên
sự khác biệt giữa pha đo được Φ(x, y) và giá trị pha từ một mặt phẳng tham
chiếu. Hình 8 minh họa một trường hợp đơn giản, trong đó

Việc đơn giản hóa mối quan hệ dẫn đến

Hình 7: Minh họa quá trình mở giai đoạn.

Hình 8: Tính độ sâu Z dựa trên giá trị pha.

10
2.4. Phương pháp Kết hợp: Dịch Pha + Mã Xám
Như đã thảo luận trong Phần 2.3, có hai vấn đề chính với các kỹ thuật
dịch pha: các phương pháp giải gói chỉ cung cấp sự "gỡ bọc" tương đối và
không giải quyết được giá trị pha tuyệt đối. Nếu hai bề mặt có sự gián đoạn lớn
hơn 2π, thì không có phương pháp dựa trên giải gói nào có thể gỡ bọc đúng cho
hai bề mặt này đối với nhau. Những vấn đề này, thường được gọi là "mâu
thuẫn," có thể được giải quyết bằng cách kết hợp mã xám và kỹ thuật dịch pha.
Hình 9 cho thấy một ví dụ về việc kết hợp mã xám với dịch pha trong
một chuỗi mã hóa 32 vạch. Mã xám xác định pha tuyệt đối của một khoảng mà
không có sự mâu thuẫn nào, trong khi dịch pha cung cấp độ phân giải subpixel
vượt ra ngoài số vạch do mã xám cung cấp [10,12]. Tuy nhiên, các phương
pháp kết hợp yêu cầu một số lượng lớn các chiếu sáng và không phù hợp cho
việc hình ảnh 3D của các đối tượng động.

Hình 9: Kết hợp mã xám với dịch pha

2.5. Photometrics
Photometric stereo, được pionneer bởi Woodham, là một phương pháp
biến thể của hình dạng từ ánh sáng. Nó ước tính hướng bề mặt cục bộ bằng cách
sử dụng một chuỗi hình ảnh của cùng một bề mặt được chụp từ cùng một góc
nhìn nhưng dưới ánh sáng từ các hướng khác nhau (Xem Hình 10).

11
 Hình 10: Sơ đồ âm thanh nổi trắc quang trong đó tám hình ảnh của cùng một vật thể
được chụp dưới ánh sáng từ tám vị trí khác nhau.

Do đó, nó giải quyết các vấn đề không rõ ràng trong hình dạng từ ánh
sáng bằng cách sử dụng nhiều hình ảnh. Photometric stereo yêu cầu tất cả các
nguồn sáng phải là nguồn sáng điểm và chỉ ước tính hướng bề mặt cục bộ
(gradient p, q). Nó giả định tính liên tục của bề mặt 3D và cần một "điểm khởi
đầu" (một điểm trên bề mặt đối tượng có tọa độ (x, y, z) được biết) cho các
thuật toán tái tạo 3D của nó.

3. Mẫu màu không gian biến đổi toàn khung hình

Nhược điểm chính của các kỹ thuật chiếu tuần tự bao gồm khả năng
không thể thu thập đối tượng 3D đang chuyển động hoặc trên một đối tượng
thực tế như các phần cơ thể con người. Chúng tôi hiện giới thiệu một số kỹ
thuật hình ảnh bề mặt 3D chiếu một lần mà tận dụng thông tin màu sắc hoặc
một mã hóa duy nhất trong mẫu chiếu và chỉ cần một hình ảnh thu được của đối
tượng dưới sự chiếu sáng của mẫu màu để tính toán khung đầy đủ của hình ảnh
3D với tọa độ (x, y, z) của từng điểm hiển thị trong cảnh.
3.1. Rainbow 3D camera
Hình 11 minh họa khái niệm cơ bản của Camera 3D Cầu Vồng. Khác với
chiếu tuần tự thông thường, cần trích xuất các đặc điểm tương ứng từ một cặp
hình ảnh stereo để tính toán giá trị độ sâu, Camera 3D Cầu Vồng chiếu sáng
theo dải màu biến đổi không gian lên bề mặt đối tượng.

Hình 11: Rainbow 3D camera

Hình học cố định của máy chiếu sáng màu cầu vồng thiết lập sự tương
ứng một cơ một giữa góc chiếu, θ, của một mặt sáng và một bước sóng phổ cụ
thể, λ, do đó tạo ra các đặc điểm dễ nhận biết trên từng điểm bề mặt. Với một

12
đường cơ sở B đã biết và một góc quan sát α đã biết, giá trị phạm vi 3D tương
ứng với từng điểm ảnh riêng lẻ có thể được tính bằng cách sử dụng nguyên tắc
về đo bằng cách lập tam giác, và một khung hình đầy đủ của hình ảnh phạm vi
3D có thể được thu được trong một lần chụp ở tốc độ khung hình của máy ảnh
(30 khung hình/giây hoặc nhanh hơn).
3.2. Mã Hóa Màu Liên Tục
Có thể tạo nên các mẫu màu biến đổi liên tục khác nhau để mã hóa thông
tin vị trí không gian. Ví dụ, chúng tôi có thể xây dựng một mẫu biến đổi độ sáng
cho từng kênh màu của máy chiếu sao cho khi chúng được cộng lại, các mẫu
trong các kênh màu riêng lẻ này tạo thành một mẫu chiếu màu biến đổi liên tục.

Hình 12: Sơ đồ mã hóa màu sắc thay đổi liên tục: ba mẫu răng cưa màu cơ bản phụ gia.

Hình 12 hiển thị ví dụ về các mẫu biến đổi độ sáng cho ba kênh màu
chính gia tăng. Khi chúng được cộng lại, một mẫu chiếu màu giống như cầu
vồng được tạo ra. Lưu ý rằng loại mẫu màu này không nhất thiết phải tuân theo
mối quan hệ biến thiên tuyến tính trong phổ màu (bước sóng). Tuy nhiên, vì tỷ
lệ giữa các đóng góp từ mỗi kênh màu riêng biệt đã biết, việc giải mã rất dễ tạo
ra và thực hiện.

4. Chỉ mục Vạch (Lấy Mẫu Đơn)

Chỉ mục vạch ( Stripe indexing) là cần thiết để đạt được việc tái tạo bề
mặt 3D mạnh mẽ, bởi vì thứ tự mà các vạch được quan sát không nhất thiết phải
giống như thứ tự mà các vạch được chiếu. Điều này xuất phát từ hiện tượng mắt
lệch tự nhiên tồn tại trong các hệ thống hình ảnh bề mặt 3D dựa trên sự ba đỉnh
và có khả năng bị mất vạch từ hình ảnh đo được do che khuất của các đặc trưng
bề mặt 3D của đối tượng. Bây giờ chúng ta sẽ trình bày một vài kỹ thuật chỉ
mục vạch đại diện.

13
4.1. Sử dụng Màu sắc trong Chỉ mục Vạch
Các cảm biến hình ảnh màu thường có ba kênh thu thập độc lập, mỗi
kênh tương ứng với một bước sóng quang phổ. Sự kết hợp tuyến tính của các
giá trị của các thành phần màu sắc này có thể tạo ra một số lượng vô hạn màu
sắc. Ba kênh 8-bit có thể biểu thị 2^24 màu sắc khác nhau. Thông tin màu sắc
đa dạng như vậy có thể được sử dụng để nâng cao độ chính xác của hình ảnh 3D
và giảm thời gian thu thập.

Hình 13: Lập Chỉ mục vạch bằng cách sử dụng màu sắc.

Ví dụ, việc sử dụng màu sắc cho chỉ mục vạch trong các mẫu chiếu (Xem
Hình 13) có thể giúp giảm đi vấn đề mơ hồ đối diện với kỹ thuật dịch pha hoặc
nhiều mẫu vạch sử dụng mẫu màu đơn sắc. Loại hệ thống được mã hóa màu này
có khả năng hình ảnh bề mặt 3D thời gian thực. Cũng có thể mã hóa nhiều mẫu
vào một hình ảnh chiếu màu duy nhất, mỗi mẫu có giá trị màu duy nhất trong
không gian màu. Để giảm tỷ lệ lỗi giải mã, người ta có thể lựa chọn một tập hợp
màu mà mỗi màu có khoảng cách lớn nhất so với bất kỳ màu nào khác trong tập
hợp. Số lượng tối đa các màu trong tập hợp bị giới hạn bởi khoảng cách giữa
các màu tạo ra sự trao đổi tối thiểu trong các hình ảnh thu thập được.
4.2. Sử dụng Mẫu Đoạn trong Chỉ mục Vạch
Để phân biệt một vạch với các vạch khác, có thể thêm một số mẫu đoạn
độc đáo vào mỗi vạch (Xem Hình 14) sao cho, khi thực hiện tái tạo 3D, thuật
toán có thể sử dụng mẫu đoạn độc đáo của mỗi vạch để phân biệt chúng.
Phương pháp chỉ mục này, được đề xuất trong [28], là một phương pháp thú vị
và thông minh, nhưng nó chỉ áp dụng cho một đối tượng 3D có bề mặt mượt mà
và liên tục khi độ méo vạch do hình dạng bề mặt không nghiêm trọng. Nếu
không, có thể rất khó khôi phục lại mẫu đoạn độc đáo, do biến dạng của mẫu
và/hoặc sự gián đoạn của bề mặt đối tượng.

14
 Hình 14: Lập chỉ mục vạch bằng cách sử dụng mẫu phân đoạn

4.3. Sử dụng Mẫu Xám Lặp

Nếu sử dụng hơn hai cấp độ độ sáng, có thể sắp xếp các cấp độ độ sáng của các
vạch sao cho bất kỳ nhóm vạch nào (cửa sổ trượt của N vạch) có mẫu độ sáng
độc đáo trong một chu kỳ có độ dài . Ví dụ, nếu sử dụng ba cấp độ xám (đen,
xám và trắng), một mẫu có thể được thiết kế như sau (Xem Hình 15):
- Đen (B), Trắng (W), Xám (G), Trắng (W), Xám (G), Đen (B), Trắng (W),
Xám (G),
- Trắng (W), Xám (G), Đen (B), Trắng (W), Xám(G), Đen (B), Trắng (W), Xám
(G).

Hình 15: Lập chỉ mục vạch bằng cách sử dụng mẫu thang màu xám lặp đi lặp lại.

Quá trình so khớp mẫu bắt đầu với việc tương quan của độ sáng của hình
ảnh thu được với mẫu độ sáng được chiếu. Khi tìm được sự khớp, tiến hành tìm
kiếm tiếp trên một sự khớp chuỗi dưới mức xám, chẳng hạn như chuỗi ba chữ
cái WGB, GWB, v.v.

15
4.4. Chỉ Mục Vạch Dựa Trên Dãy De Bruijn
Dãy De Bruijn cấp n trên một bảng chữ cái có kích thước k là một từ
vòng tròn trong đó mỗi trong k^n từ có độ dài n xuất hiện đúng một lần khi
chúng ta đi xung quanh chu trình. Một ví dụ đơn giản về một vòng De Bruijn
với n = 3 và k = 2 (bảng chữ cái là {0, 1}) được thể hiện trong Hình 16.

Hình 16: Ví dụ về chuỗi De Bruijn.

Khi chúng ta đi xung quanh chu trình (hoặc theo chiều kim đồng hồ hoặc
ngược chiều kim đồng hồ), chúng ta sẽ gặp mỗi trong 2^3 = 8 mẫu ba chữ số
000, 001, 010, 011, 100, 101, 110, 111 đúng một lần. Không có mẫu ba chữ số
lặp lại nào trong dãy. Nói cách khác, không có chuỗi con nào tương quan với
bất kỳ chuỗi con nào khác trong dãy De Bruijn. Đặc điểm độc đáo này của dãy
De Bruijn có thể được sử dụng để xây dựng một chuỗi mẫu vạch có mô hình
biến đổi địa phương duy nhất và không lặp lại chính nó. Điều này làm cho việc
giải mã mẫu trở nên dễ dàng hơn. Đồ thị liên quan đến một dãy De Bruijn được
gọi là đồ thị De Bruijn.
Bây giờ chúng ta sẽ thể hiện một ví dụ về việc sử dụng kết hợp nhị phân
của các màu (R, G, B) để tạo ra một vạch có chỉ mục màu dựa trên dãy De
Bruijn. Số lượng tối đa các kết hợp của ba màu là tám (=2^3). Vì chúng ta
không dự định sử dụng (0,0,0), chúng ta chỉ có bảy màu khả thi. Vấn đề này có
thể được giải quyết bằng cách xây dựng một dãy De Bruijn với k = 7, n = 3.
Điều này dẫn đến một chuỗi có 343 vạch. Nếu số vạch quá nhiều, người ta có
thể sử dụng một tập hợp thu gọn của một dãy De Bruijn bằng cách đặt k = 5, n =
3. Trong trường hợp này, số lượng vạch giảm xuống còn 125. Có một ràng buộc
quan trọng trong việc xây dựng một chuỗi mẫu vạch có chỉ mục màu bằng cách
sử dụng kỹ thuật De Bruijn: tất cả các vạch kế cận phải có màu sắc khác nhau.
Nếu không, một số vạch có chiều rộng gấp đôi hoặc gấp ba có thể xuất hiện,
làm mơ hồ các thuật toán tái tạo 3D. Ràng buộc này có thể áp dụng dễ dàng
bằng cách sử dụng toán tử XOR.

16
 Hình 17: Ví dụ về lập chỉ mục vạch màu dựa trên chuỗi De Bruijn (k = 5, n = 3)

Hình 17 thể hiện một tập hợp kết quả với mẫu vạch màu thực tế. Trong
chuỗi mẫu này, tất cả các vạch kế cận đều có màu sắc khác nhau. Các biến thể
khác nhau trong việc thực hiện kỹ thuật De Bruijn có thể được sử dụng để tạo ra
các mẫu chiếu có chỉ mục màu duy nhất, chỉ mục màu xám, hoặc các loại mẫu
khác cho các ứng dụng hình ảnh bề mặt 3D.

5. Chỉ Mục Lưới: Mẫu Lưới Không Gian 2D

Ý tưởng cơ bản của các kỹ thuật mẫu lưới 2D là đánh dấu duy nhất từng ô con
trong mẫu 2D đã chiếu, sao cho mẫu trong bất kỳ ô con nào là duy nhất và có
thể xác định hoàn toàn đối với vị trí 2D của nó trong mẫu.
5.1. Mảng Nhị Phân Giả Ngẫu Nhiên (PRBA)
Một chiến lược chỉ mục lưới là sử dụng một mảng nhị phân giả ngẫu
nhiên (PRBA) để tạo ra các vị trí lưới có thể được đánh dấu bằng dấu chấm
hoặc các mẫu khác, sao cho mẫu mã hóa của bất kỳ ô con nào là duy nhất. Một
PRBA được xác định bằng một mảng n1 × n2 được mã hóa bằng một chuỗi giả
ngẫu nhiên, sao cho bất kỳ ô con k1 bằng k2 nào trượt qua toàn bộ mảng là duy
nhất và xác định hoàn toàn tọa độ tương đối (i, j) của ô con trong mảng. Mẫu
mã hóa của mảng nhị phân được tạo ra dựa trên một chuỗi nhị phân giả ngẫu
nhiên bằng cách sử dụng phép toán đa thức nguyên tố modulo 2^n, trong đó 2^n
- 1 = 2^(k1.k2) - 1, n1 = 2^k1 - 1, n2 = 2^n - 1/n1. Hình 18 thể hiện một ví dụ
về PRBA được tạo ra, trong đó k1 = 5, k2 = 2, và do đó n1 = 31, n2 = 33.

17
 Hình 18: PRBA 31 × 33 với đa thức bậc 10 và kích thước ô con 5 × 2

5.2. Mẫu Nhỏ Được Sử Dụng Như Các Từ Mã

Thay vì sử dụng một mảng nhị phân giả ngẫu nhiên, có thể sử dụng một
mảng giả ngẫu nhiên có giá trị đa giá. Người ta có thể đại diện cho mỗi giá trị
bằng một mẫu nhỏ dưới dạng từ mã đặc biệt, tạo thành một mẫu chiếu có chỉ
mục lưới.

Hình 19: Sử dụng các mẫu nhỏ làm từ mã để lập chỉ mục lưới

Hình 19 thể hiện một ví dụ về một mảng giả ngẫu nhiên có ba giá trị và
một tập hợp các từ mã mẫu nhỏ (được hiển thị ở góc dưới bên phải của hình).
Sử dụng các từ mã được định nghĩa đặc biệt, một mảng giả ngẫu nhiên có giá trị
đa giá có thể được chuyển đổi thành một mẫu chiếu với các ô con duy nhất.
5.3. Mã Màu Cho Lưới
Chiến lược chỉ mục lưới khác là mã màu cả dọc và ngang để có thể đạt
được chỉ mục lưới 2D. Các lược đồ mã hóa vạch dọc và ngang có thể giống
nhau hoặc hoàn toàn khác nhau, phụ thuộc vào các ứng dụng (Hình 20). Không
có sự đảm bảo về tính duy nhất của các ô con, nhưng các vạch màu ở cả hai
hướng có thể giúp trong việc giải mã trong hầu hết các tình huống để thiết lập

18
sự tương ứng. Các đường lưới mỏng có thể không đáng tin cậy trong việc trích
xuất mẫu mã hơn so với các mẫu khác (dấu chấm, hình vuông, v.v.).

Hình 20: Ví dụ về mã màu cho lưới

5.4. Mảng 2D Của Các Dấu Màu Được Mã Màu

Có các phương pháp thay thế để tạo ra mảng giả ngẫu nhiên. Một thuật
toán tìm kiếm toàn bộ để tạo ra một mảng duy nhất cho các ô con, nhưng nó có
thể không đủ mạnh để thử nghiệm tất cả các mẫu con có thể có. Phương pháp
này khá trực quan để thực hiện trong các thuật toán máy tính. Ví dụ, Hình 21
(bên trái) thể hiện một mảng 6 × 6 với kích thước ô con là 3 × 3 sử dụng ba từ
mã (R, G, B). Quy trình tính toán như sau: đầu tiên, điền vào góc trên bên trái
của mảng 6 × 6 với một mẫu ngẫu nhiên đã chọn. Sau đó, thêm một cột ba phần
tử ở bên phải với từ mã ngẫu nhiên. Sự duy nhất của ô con được xác minh trước
khi thêm một cột như vậy. Tiếp tục thêm các cột cho đến khi tất cả các cột đều
được điền bằng các từ mã ngẫu nhiên và sự duy nhất của ô con được xác minh.
Tương tự, thêm các hàng ngẫu nhiên xuống theo hướng xuống từ vị trí ô con
ban đầu. Sau đó, thêm các từ mã ngẫu nhiên mới theo hướng đường chéo. Lặp
lại các quy trình này cho đến khi tất cả các dấu được điền bằng màu sắc. Một
lần nữa, quy trình tính toán này có thể không đảm bảo tạo ra một mảng giả ngẫu
nhiên cho tất cả các kích thước mảng và từ mã, nhưng đã đạt được kết quả tốt
cho nhiều trường hợp. Hình 21 (bên phải) thể hiện một ví dụ về một mảng giả
ngẫu nhiên với kích thước 20 × 18.

19
 Hình 21: Ví dụ về mảng 2D của các chấm được mã hóa màu.

5.5. Các Phương Pháp Kết Hợp

Có nhiều cơ hội để cải thiện một hoặc một số khía cạnh cụ thể của hiệu
suất hệ thống hình ảnh bề mặt 3D bằng cách kết hợp hơn một phương pháp mã
hóa đã được thảo luận ở trên. Hình 22 thể hiện một ví dụ.

Hình 22: Ví dụ về sự kết hợp của hai mã sọc 1D thành mẫu được lập chỉ mục lưới 2D.

6. Đánh Giá Hiệu Suất Của Hệ Thống Hình Ảnh Bề Mặt 3D

Có nhiều yếu tố đặc trưng cho hiệu suất kỹ thuật của một hệ thống hình
ảnh bề mặt 3D. Từ góc độ ứng dụng, ba khía cạnh sau đây thường được sử dụng
như các chỉ số hiệu suất chính để đánh giá các hệ thống hình ảnh 3D:

20
6.1. Độ chính xác (Accuracy).
Độ chính xác đo lường biểu thị sự sai lệch tối đa của giá trị đo được bằng
một hệ thống hình ảnh bề mặt 3D so với giá trị thực sự của kích thước thực của
đối tượng 3D. Thường, một hệ thống hình ảnh 3D có thể có độ chính xác khác
nhau trong các hướng (x, y, z) khác nhau do các tính chất thiết kế bẩm sinh của
hệ thống. Ngoài ra, các nhà sản xuất khác nhau có thể sử dụng các cách khác
nhau để mô tả độ chính xác. Ví dụ, một số có thể sử dụng sai số trung bình
(trung bình), sự không chắc chắn, sai số ±, RMS hoặc các giá trị thống kê khác.
Do đó, khi so sánh các hệ thống khác nhau, người ta phải hiểu rõ ý nghĩa chính
xác của bất kỳ yêu cầu hiệu suất nào và so sánh chúng trong cùng một khung
cảnh.

6.2. Độ phân giải (Resolution).

Trong hầu hết các tài liệu quang học, độ phân giải quang học được định
nghĩa là khả năng của một hệ thống quang học để phân biệt các điểm hoặc
đường cá nhân trong một hình ảnh. Tương tự, độ phân giải hình ảnh 3D đề cập
đến phần nhỏ nhất của bề mặt đối tượng mà một hệ thống hình ảnh 3D có thể
phân giải được. Tuy nhiên, trong cộng đồng hình ảnh 3D, thuật ngữ "độ phân
giải hình ảnh" đôi khi cũng đề cập đến số lượng điểm đo tối đa mà hệ thống có
thể thu được trong một khung hình đơn. Ví dụ, một cảm biến 3D với 640 × 480
pixel có thể tạo ra 307.200 điểm đo cho một khung hình chụp một lần. Với
phạm vi quan sát, khoảng cách và các yếu tố khác, hai định nghĩa này về độ
phân giải hình ảnh có thể chuyển đổi thành nhau.

6.3. Tốc độ.

Tốc độ thu thập dữ liệu quan trọng đối với việc hình ảnh các đối tượng
đang chuyển động (như cơ thể con người). Đối với các hệ thống hình ảnh 3D
chụp một lần, tốc độ khung hình biểu thị khả năng của họ trong việc lặp lại việc
thu thập toàn khung hình trong một khoảng thời gian ngắn. Đối với các hệ thống
hình ảnh 3D tuần tự (ví dụ: hệ thống quét bằng laser), ngoài tốc độ khung hình,
còn có một vấn đề khác cần xem xét: đối tượng đang di chuyển trong khi thu
thập tuần tự được thực hiện; do đó, hình ảnh 3D toàn khung thu được có thể
không đại diện cho một ảnh chụp của đối tượng 3D tại một vị trí đơn. Thay vào
đó, nó trở thành sự tích hợp của các điểm đo được lấy trong các khoảnh khắc
thời gian khác nhau; do đó hình dáng 3D có thể bị biến dạng so với hình dạng
ban đầu của đối tượng 3D. Có một sự phân biệt khác, giữa tốc độ thu thập và
tốc độ tính toán. Ví dụ, một số hệ thống có thể thu thập hình ảnh 3D ở tốc độ 30

21
khung/giây, nhưng những hình ảnh thu được này cần được xử lý sau ở tốc độ
khung hình chậm hơn để tạo dữ liệu 3D.
Các chỉ số hiệu suất chính nêu trên có thể được sử dụng để so sánh các hệ
thống hình ảnh 3D. Hình ảnh 23 minh họa một không gian hiệu suất chính trong
đó mỗi phương pháp hình ảnh 3D có thể chiếm một vị trí, và nhiều hệ thống
hình ảnh 3D sau đó có thể được so sánh một cách tự nhiên. Tất nhiên, tỷ lệ giá
trị/thước đo và độ tin cậy của một hệ thống cũng là các yếu tố quan trọng khác
cần xem xét khi đánh giá một hệ thống hình ảnh bề mặt 3D cho các cài đặt thực
tế.

Hình 23: Không gian hiệu suất chính của hệ thống hình ảnh bề mặt 3D.

Ngoài các chỉ số hiệu suất chính, có vô số chỉ số hiệu suất khác có thể
được sử dụng để đặc trưng cho các khía cạnh cụ thể khác nhau của hệ thống
hình ảnh 3D. Ví dụ, có sự sâu của trường của hệ thống hình ảnh 3D, đề cập đến
khoảng cách đứng vững trong đó đo lường 3D chính xác có thể được thực hiện.
Cuối cùng, các loại tính chất hệ thống như trường quan sát, đường cơ sở và
khoảng cách đứng vững cũng có thể được sử dụng để đặc trưng hành vi của các
hệ thống hình ảnh 3D. Các hệ thống hình ảnh 3D dựa trên ánh sáng cấu trúc
thường có khoảng cách đứng vững hạn chế do năng lượng hạn chế của ánh sáng
chiếu, trong khi cảm biến thời gian bay dựa vào quét bằng laser đơn có thể đạt
đến khoảng cách hàng dặm.
Mỗi loại kỹ thuật hình ảnh 3D có ưu điểm và nhược điểm riêng của nó,
và chúng ta nên đánh giá một hệ thống dựa trên hiệu suất tổng thể của nó cho
các ứng dụng dự định.

22
7. Kỹ Thuật Hiệu Chuẩn Máy Ảnh và Máy Chiếu
Một phần cần thiết của công nghệ hình ảnh 3D là các kỹ thuật hiệu chuẩn
máy ảnh và máy chiếu, đóng một vai trò quan trọng trong việc thiết lập độ chính
xác đo lường của các hệ thống hình ảnh 3D. Hiệu chuẩn máy ảnh là một vấn đề
được biết đến rộng rãi trong thị giác máy tính. Tuy nhiên, đáng ngạc nhiên là
khía cạnh quan trọng này của công nghệ hình ảnh 3D không nhận được sự chú ý
đủ lớn trong nhiều bài đánh giá về các kỹ thuật hình ảnh 3D, nghiên cứu và các
bài viết ứng dụng.

Hình 24: Ví dụ về mẫu hiệu chuẩn thu được từ các góc và khoảng cách khác nhau.

Vì hầu hết các hệ thống hình ảnh 3D sử dụng cảm biến quang học 2D,
các thủ tục hiệu chuẩn máy ảnh thiết lập mối quan hệ giữa một pixel trên một
hình ảnh 2D (trong tọa độ máy ảnh) và một đường thẳng trong không gian 3D
(trong tọa độ thế giới), trong đó điều này đã xem xét độ méo ống kính. Thông
thường, một mô hình máy ảnh đơn giản và một tập hợp các tham số nội tại được
sử dụng để mô tả các mối quan hệ. Có một số phương pháp và các công cụ đi
kèm. Những thủ tục này thường yêu cầu hình ảnh ở một số góc độ và khoảng
cách đã biết của một đối tượng hiệu chuẩn. Một biểu đồ kiểm tra phẳng thường
được sử dụng làm đối tượng hiệu chuẩn vì nó rất dễ sản xuất, có thể được in
bằng máy in tiêu chuẩn và có góc cạnh đặc biệt dễ dàng phát hiện. Một hình ảnh
ví dụ liên quan đến một mẫu như vậy được hiển thị trong hình 24. Từ các hình
ảnh của mẫu hiệu chuẩn, các mối tương ứng 2D đến 3D được xây dựng.

7.1. Thuật Toán Hiệu Chuẩn Máy Ảnh

Giả sử mặt phẳng của tấm hiệu chuẩn phẳng trong tọa độ thế giới là Z =
0; sau đó, mỗi điểm trên tấm hiệu chuẩn trở thành M = [X, Y, 0, 1]^T. Do đó,

23
một điểm đối tượng M và điểm ảnh tương ứng m của nó có mối quan hệ thông
qua ma trận đồng dạng H:

trong đó H = [h1, h2, h3] = K[r1,r2, −Rt] là một ma trận 3x3 được định nghĩa
đến tỷ lệ, và r1,r2,r3 là các vector cột 3 × 1 của ma trận quay. Chú ý rằng đối
với ma trận quay R, vector cột r1,r2,r3 là ortonorm, chúng ta do đó có:

Mỗi đồng dạng có thể cung cấp hai ràng buộc về các tham số nội tại. Vì (K^-T).
(K^-1) là một ma trận đối xứng, nó có thể được định nghĩa bằng một vector 6D:

Cho vector cột thứ i của H là hi = [hi1, hi2, hi3]. Sau đó, chúng ta có:

trong đó: vij = [hi1hj1, hi1hj2 + hi2hj1, hi2hj2, hi3hj1 + hi1hj3, hi3hj2 +
hi2hj3, hi3hj3]^T.
Hai ràng buộc sau đó có thể được viết lại thành một phương trình đồng
quy. Để giải a, ít nhất cần ba hình ảnh từ các góc độ khác nhau. Trong thực tế,
sử dụng nhiều hình ảnh hơn để giảm thiểu tác động của nhiễu, và một giải pháp
sai số bình phương tối thiểu được thu được bằng phân tích giá trị đơn. Cuối
cùng, kết quả có thể được tối ưu hóa để giảm thiểu lỗi tái chiếu bằng cách giảm
thiểu hàm năng lượng sau:

7.2. Hiệu Chuẩn Máy Chiếu

Hiệu chuẩn máy chiếu được thực hiện theo hai phần: như một nguồn sáng
hoạt động, cần hiệu chuẩn độ sáng của máy chiếu để khôi phục tính tuyến tính

24
của cường độ chiếu sáng của nó, và như một máy ảnh nghịch đảo, máy chiếu
cần được hiệu chuẩn về mặt hình học giống như các máy ảnh thông thường.
7.2a. Hiệu Chuẩn Độ Sáng Của Máy Chiếu
Để tăng cường độ tương phản, đường cong độ sáng của máy chiếu
thường được điều chỉnh bằng biến đổi gamma bởi nhà cung cấp máy chiếu. Khi
được sử dụng trong hệ thống hình ảnh 3D như một nguồn sáng hoạt động, cần
hiệu chuẩn để khôi phục tính tuyến tính của cường độ chiếu sáng. Để thực hiện
điều này, một số mẫu thử nghiệm được chiếu và các mẫu chiếu được ghi lại bởi
cảm biến hình ảnh. Mối quan hệ giữa độ sáng thực tế của mẫu chiếu và giá trị
pixel hình ảnh có thể được thiết lập, sau đó sẽ được phù hợp với một hàm đa
thức bậc cao. Sau đó, hàm nghịch đảo được tính toán và sử dụng để chỉnh lại
mẫu để được chiếu trong quá trình hình ảnh 3D.

Hình 25: Hiệu chỉnh cường độ của máy chiếu. Đường cong màu xanh là đồ thị của hàm
được trang bị. Đường cong màu xanh lá cây là hàm nghịch đảo. Đường cong màu đỏ là
cường độ đã được điều chỉnh, phải là một đường thẳng.

7.2b. Hiệu Chuẩn Hình Học Của Máy Chiếu

Xem xét máy chiếu như một máy ảnh nghịch đảo; mô hình quang học của
máy chiếu tương tự như máy ảnh và sự khác biệt duy nhất giữa chúng là hướng
chiếu. Mô hình nghịch đảo làm cho việc thiết lập mối tương quan giữa một
điểm trên hình ảnh 2D (trong tọa độ máy ảnh) và một đường thẳng trong không
gian 3D (tọa độ thế giới) khó khăn, vì chúng ta không thể biết được một điểm
cụ thể nào đó trong không gian 3D sẽ được chiếu vào tọa độ máy ảnh nghịch
đảo. Vấn đề chính trong hiệu chuẩn máy chiếu là cách thiết lập sự tương ứng.
Một khi đã thiết lập sự tương ứng, máy chiếu có thể được hiệu chuẩn bằng cách
sử dụng các thuật toán hiệu chuẩn máy ảnh.
Hiệu chuẩn máy chiếu được thực hiện bằng cách sử dụng một máy ảnh đã
được hiệu chuẩn trước đó và một mặt phẳng hiệu chuẩn. Đầu tiên, mặt phẳng
hiệu chuẩn được khôi phục trong hệ tọa độ máy ảnh. Sau đó, mẫu hiệu chuẩn
25
(Xem hình 26) được chiếu và ghi lại bởi máy ảnh. Tọa độ 3D của các điểm góc
trên mẫu bàn cờ hình thành trên mặt phẳng hiệu chuẩn có thể được xác định
bằng cách tái chiếu các điểm góc trên hình ảnh đã được ghi lại vào mặt phẳng
phẳng, vì mối quan hệ không gian giữa máy ảnh và mặt phẳng phẳng đã được
khôi phục. Cuối cùng, máy chiếu có thể được hiệu chuẩn bằng cách sử dụng các
tương ứng điểm đã được thu thập. Phương pháp này trong lý thuyết là khá đơn
giản và dễ dàng thực hiện. Tuy nhiên, độ chính xác của hiệu chuẩn bộ phận này
phụ thuộc nhiều vào độ chính xác của việc hiệu chuẩn trước của máy ảnh.

Hình 26: Mẫu hiệu chuẩn mảng điểm được sử dụng trong hiệu chuẩn nguồn sáng.

8. Đối tượng cho ứng dụng của công nghệ hình ảnh 3D bề mặt sử
dụng Ánh sáng cấu trúc
Dưới đây là các kỹ thuật cần thiết và hướng thực hiện cho việc ứng dụng hệ
thống thu thập ảnh 3D để quét và tái tạo một đối tượng cụ thể như một bức
tượng mini:
8.1. Kỹ thuật Chiếu Sáng Cấu Trúc (Kỹ thuật 2.1-2.2) :
Sử dụng ánh sáng cấu trúc để tạo ra biến đổi trên bề mặt của bức tượng.
Ánh sáng cấu trúc có thể tạo ra các vết sáng và bóng trên đối tượng, giúp thu
thập thông tin về chiều sâu và hình dạng.
Các kỹ thuật chiếu sáng cấu trúc bao gồm mã Xám hoặc dịch pha. Mã
Xám tạo ra các dải sáng và tối đơn giản trên bề mặt, trong khi dịch pha sử dụng
sự thay đổi trong pha ánh sáng để tạo ra biến đổi.
8.2. Hệ Thống Thu Thập Ảnh 3D (2.3):
Cần một hệ thống thu thập ảnh 3D, chẳng hạn như máy ảnh 3D hoặc máy
quét 3D, để ghi lại thông tin chiều sâu của đối tượng.

26
 Hệ thống này cần kết hợp với kỹ thuật chiếu sáng cấu trúc để thu thập dữ
liệu 3D về bức tượng mini. Hệ thống này có thể hoạt động trong môi trường có
điều kiện ánh sáng cấu trúc.
8.3. Hiệu Chuẩn Máy Ảnh và Máy Chiếu (7.1-7.2):
Trước khi bắt đầu thu thập dữ liệu 3D, cần hiệu chuẩn máy ảnh và máy
chiếu. Hiệu chuẩn giúp đảm bảo rằng cả hai thiết bị hoạt động đúng cách và có
thể cung cấp độ chính xác trong quá trình thu thập dữ liệu.
8.4. Xử Lý Dữ Liệu 3D (kỹ thuật 4.1-5.5 bất kỳ):
Sau khi thu thập dữ liệu 3D, cần một phần mềm xử lý 3D để tạo ra một mô
hình 3D hoặc điểm đám mây của bức tượng.
Các phần mềm này thường sử dụng trong việc nối dữ liệu từ máy ảnh và
máy chiếu để tái tạo bức tượng 3D. Dữ liệu 3D này có thể được biểu diễn dưới
dạng mô hình 3D hoặc điểm đám mây dấu điểm 3D.
8.5. Đánh Giá Hiệu Suất và Hiệu Chuẩn (6):
Để đảm bảo độ chính xác của kết quả 3D, cần đánh giá hiệu suất của hệ
thống và có thể cần hiệu chuẩn lại nếu cần thiết. Điều này đảm bảo rằng dữ liệu
3D được tái tạo với độ chính xác cao.
8.6. Hướng Dẫn Thực Hiện:
Chuẩn bị đối tượng bằng cách đặt bức tượng mini trong một môi trường
chiếu sáng tốt và không có ánh sáng ngoại vi để tránh nhiễu.
Cài đặt máy ảnh 3D và máy chiếu ở vị trí cố định, sao cho họ có thể nhìn
thấy toàn bộ bức tượng.
Sử dụng kỹ thuật chiếu sáng cấu trúc để tạo ra các biến đổi trên bề mặt
bức tượng.
Bắt đầu thu thập dữ liệu 3D bằng cách chạy máy ảnh 3D và máy chiếu.
Lưu ý rằng cần thực hiện nhiều góc quét để thu thập toàn bộ thông tin.
Sử dụng phần mềm xử lý 3D để tái tạo mô hình 3D của bức tượng mini.
Kiểm tra kết quả 3D và đảm bảo rằng chúng đáng tin cậy. Hiệu chuẩn lại
hệ thống nếu cần thiết.
Lưu trữ và sử dụng dữ liệu 3D cho các mục đích khác nhau như in 3D,
phân tích, hoặc tái tạo đối tượng.

27