系列篇|三维重建之纯格雷码三维重建

点击上方“计算机视觉工坊”，选择“星标”

干货第一时间送达

对于新手来说，使用格雷码做单目结构光三维重建是一个入门级的训练。但是在复现时往往会遇到一个问题，明明解码都很不错了，重建后的点云精度却很低，甚至重建出来的平面点云出现断层现象。这是由于格雷码是一种离散型编码，编码精度是整数级的像素，这种编码设计注定了它的精度不会太高。所以在实际应用中，格雷码通常是配合着其他编码方式一起使用：比如使用格雷码来标示相移的周期数。

尽管如此，由于格雷码本身的特性，稳定性高，抗反光效果比较好，在精度需求不是特别高的情况下，还是有适用场景的。尤其是景深范围大的时候，相位很容易出现模糊，可是对于黑白条纹的格雷码适应的景深就能够大一些。本文就简单介绍下如何使用纯格雷码进行三维重建，并得到一个精度尚可的点云（至少不出现重建平面时明显断层/分层现象）。

从解决问题的本身出发，想要得到一个精度比较不错的点云，最直观的思路是解码时得到一个准确的亚像素级精度，比如像相移那样，但是对于格雷码而言，很难去给出一个很好的插值函数去获得一个亚像素级的匹配，实际上，如果以图片某一行为例，你得到的解码结果可能是 16,16,17,17,18，18,18，NaN，NaN，21… 对于这样排列的解码结果，想要用一个函数去定义亚像素的插值函数是一件很困难的事情，笔者暂时没有看到哪篇文章提供了好的思路。(如果有读者知道，欢迎和笔者沟通)。

在无法获得准确的亚像素级的解码精度后，我们可以从三维重建方式本身去考虑,如上图所示。图中是一幅经典的双目重建模型，在之前的系列篇中我们介绍了单目结构光重建可以使用双目模型，只需要把投影仪看成一个逆相机就可以。图中红线即极线，也就是说，理论上相机成像点P_L（图中left camera） 对应的可能的投影仪（图中Right Camra）中的位置是图中红线，如果知道对应的是图中红线哪一点，就可以解得准确的三维位置。

实际上，由于我们能够解得的编码只能是整数级的，导致我们的解码结果会像如下图所示的函数图一样，橙色的线是理论的极线，但是由于解码的离散性，我们得到的解码坐标是个整数级的数，如图中的阶跃函数，于是误差就这么产生了。

我们解得的点，通常会对应极线的或上方一点或下方一点，导致该点