结构光三维初步重建，c++小白附部分代码

目录

1.相高模型建立

2.三维重建

---

一、相高模型建立

相高模型建立公式主要依据为：AX=B

 

1.设定一个拍摄基准面（使用平面度较高的板子），记作0，按照一个规定步长移动基准面，移动n次，例如：移动十次，每次移动1mm，那么移动的高度就为：1mm、2、3、4、5、6、7、8、9、10，这就是上面公式的高度矩阵（B)

 Eigen::Matrix<float, 1, 10>heighMatrixs;
 heighMatrixs<< 1、2、3、4、5、6、7、8、9、10;

2.对拍摄的十一张标定板（移动了十次+基准面）解相位，然后对十次解得的相位减去基准面的相位，得到了十张相位差图片，这就是上面的相位差矩阵（A)（注：是对公式进行展开后的矩阵）

 Eigen::MatrixXf diffMatrix(m, n_oder);
       for (int i = 0; i < rows*cols; i++) {
                    float fai = LPHASEDIFF[].ptr<float>(i % prows)[i / prows];
                    diffMatrix.row() << 1.0, fai, pow( fai, 2), pow(fai, 3);
        }

3.利用opencv的eigen库（速度较快）求解标定的系数矩阵（X)，我这里使用的三阶展开，所以每一个像素点会有四个标定系数（a0、a1、a2、a3），可以将每个系数都单独保存一张tif格式的图片以便于三维重建使用，如果有更好的办法教教孩子。

 for (int a = 0; a < rows * cols; a++) {
        Eigen::MatrixXf coeffmatrix = 
        diffMATRIXS[a].colPivHouseholderQr().solve(heighMatrixs.transpose());
}

二、三维重建

1.得到相高模型的标定参数后,对拍摄的样片也进行解相位，得到相位图片，将相位减去基准面相位得到相位差图片，这就是我们的相位差矩阵（A）

2.逐像素点带入标定系数（X)

3.逐像素点计算高度（B），这样就得到了一张深度图，将深度图转为点云，完成了三维重建（注：生成的点云会存在各种各样的杂点、孔洞等问题，还需要进一步的滤波等处理）

 （图为我简单的进行了一个上下滤波后的结果）