86航空制造技术·2023年第66卷第7期FORUM论坛*基金项目：国家自然科学基金（61727802，62201261）；江苏省重点研发计划（BE2022391）；江苏省卓越博士后计划（2022ZB256）。引文格式：徐馨雅,吕嫩晴,于浩天,等.基于深度学习的水下条纹投影三维测量方法[J].航空制造技术,2023,66(7):86–95.XUXinya,LÜNenqing,YUHaotian,etal.Underwater3-Dmeasurementusingfringeprojectionprofilometrybasedondeeplearning[J].AeronauticalManufacturingTechnology,2023,66(7):86–95.基于深度学习的水下条纹投影三维测量方法*徐馨雅，吕嫩晴，于浩天，郑东亮，韩静（南京理工大学，南京210094）[摘要]水下加工制造在航空、船舶等领域发挥着重要作用，制造过程的原位在线三维检测成为水下制造质量保障的迫切需求。条纹投影轮廓术（FPP）作为经典的光学三维测量技术之一，具备无接触、快速以及高精度等优势。然而，在浑浊水体中，由于光的吸收和散射作用，相机捕获的条纹光强衰减、对比度降低、图像细节模糊、引入大量噪声，导致条纹图质量不佳。根据低质量条纹计算出的相位具有不可忽视的相位误差，造成三维测量精度下降。为减小水下吸收与散射的影响，提出了一种基于深度学习的端到端的条纹图像增强算法，运用条纹图像增强卷积神经网络（FPENet）将低对比度高噪声条纹转换为高对比度低噪声条纹后获取更准确的相位结果。FPENet针对不同浑浊度水体皆可有效提高条纹质量，降低相位误差。尤其在高浑浊度水体中，相位误差可减小50%左右，显著提升水下FPP的测量精度，对于提高FPP在复杂场景中的适用性具有重要意义。关键词：条纹投影轮廓术；深度学习；浑浊水体；图像增强；水下三维测量DOI:10.16080/j.issn1671-833x.2023.07.086徐馨雅博士研究生，研究方向为三维重构。中在以空气为介质的3D测量中，而当场景和光源所处的介质对光线存在吸收与散射时，FPP在相位计算过程中会产生不可忽略的相位误差，导致三维重建精度降低。因此，在复杂探测场景中完成高精度重建是当下关于FPP的需要攻克的难关之一。航空工业中为了适应航空产品减轻重量、提高使用性能的要求，绝大多数航空金属零件要在高温炉内进行热处理，以获得高的比强度和良好的综合性能。航空零件的热处理工艺繁杂，但大致分为退火、正火、淬火、回火4种基本工艺，决定了零件的内在质量，直接影响零件的加工性和使用性[6]。在这样的加工工艺和车间环境下，易产生烟雾、水汽，三维探测效果在工件制造与检测过程中...
