Transcript 第一章電腦視覺

第一章電腦視覺
中原大學精密量測實驗室
報告者：林高輝
備忘錄：黃文孝
簡介

物體外形重建--
電腦視覺的特殊學門
系統與應用領域

系統：


攝影機及待測物
應用領域：

3D物體的電腦造形
距離量測
 障礙物的位置估測
 曲面檢驗
 3D物體位置的量測

處理程序

影像處理
影像濾波
 影像還原
 影像強化


圖形分析
邊緣檢知
 圖形分割
 特徵識別

範例

最簡單的雙攝影機系統
圖1.2
外形重建

資料的擷取--------視覺
靜態資料
 動態資料

量測標的

標的物
室外：空照圖、街景
 室內：工作室、實驗室

量測標的

量測系統
場景的選擇
 光源控制
 物體位移控制，回授系統
 攝影機
 電腦硬體


範例：圖1.2
主動影像量測技術

可控制的投射器及反射能量
超音波
 雷射

超音波：相位差
 雷射：飛行時間的量測

主動影像量測技術

結構光法：

直線光源、網格光源
三角量測法
 光度法
 聚焦法
 物體位移法

主動影像量測技術


CCD數量
校正技術
規格

轉換：

E=A(s)
A：光學mapping
3
 S：3D(R )量測空間(X,Y,Z)
2
 E：2D(R )投影影像(x,y)


逆轉換：

S=A-1(E)
外形量測的直接限制

物體內部無法量測
2 1/2D量測
攝影機量測解析度

解析度


Dd
f
D：CCD元件像素點距離
d：物距
f：鏡頭焦距
Ex:
0.01 3000
2
15
靜態立體影像分析

共面的立體影像幾何
f X
f  ( X  b)
Z

xleft
xright
b  xleft
X 
xleft  xright
b f
Z 
xleft  xright
b y
Y 
xleft  xright

Shirai Algorithm
Image Processing
指導教授：章 明
主講：張維哲
備忘錄：黃文孝
簡介
1灰階影像和彩色影像
2.邊緣檢測
1灰階影像和彩色影像



灰階影像
RGB 彩色模式影像
HIS 彩色模式影像
灰階影像 (1)

E(p)=E((x,y))
E (0,1)
.....
E (0, N  1) 
 E (0,0)
 E (1,0)

E
(
1
,
1
)
.....
E
(
1
,
N

1
)

E ( p)  








E
(
M

1
,
0
)
E
(
M

1
,
1
)
.....
E
(
M

1
,
N

1
)



M和N構成的影像的解析度. A=M*N定義為影像
的大小
灰階影像 (2)


An integer gray value u is holds 0  u  Gmax
The default value for gray value images
is Gmax  255
RGB Color Model

Almost all colors can be represented by
a weighted sum of three primary
B
colors(R,G,B).
q=(R,G,B)
G
R
HIS Color Model

H : Hue
 
H 
360  
If B<=G
If B>G
(G  B)  ( R  B)




2

  arccos
2
 ( R  G )  ( R  B)  (G  B) 






S : Saturation
min( R, G, B)
S  1 3
RG B
I : Intensity
RG B
I
3
2.Edge Detection

The Convolution Process.

Edges in Gray Value Images.

Laplacian-of-Gaussian Edge Detector.
The Convolution Process
MASK
IMAGE
BUFFER
X
Some Operator
Roberts
W1
W2
 0  1
 1 0 


 1 0 
 0  1


Prewitt
 1 0 1
 1 0 1


 1 0 1
 1  1  1
0 0 0


 1 1 1 
Sobel
  1 0 1
 2 0 2


  1 0 1 
 1  2  1
0

0
0


 1
2
1 
Typical Edge Profiles
Edge in Gray Value Image (1)

The gradient vector :
 E
grad ( E )  
 x
,
E 

y 
Edge in Gray Value Image (2)

The absolute value of the gradient : 
 E   E 
grad ( E )      
 x   y 
2
2


 ( x, y )  tan 1 



E
y
E
x







Laplacian of Gaussian

Laplacian function :
2
2

f

f
2
 f  2  2
x
y

1
x2  y 2

Gauss function :

Laplacian of Gaussian :  2 [G( x, y,  ) * f ( x, y)]
G ( x, y ) 
2
2
e
2 2
第二章 影像識別
報告人：胡雅惠
備忘錄：王希文
前言


影像處理的首要步驟是將影像數位化。
數位影像品質的關鍵





物體表面之材質與反射性質
感測器特性
鏡頭的光學特性
光源特性
影像識別的幾何定律
Camera模組的幾何學





中心投影與平行投影
中心投影的Camera模組
線性轉換
軸對稱像差的Camera模組
蔡氏校正法
中心投影
Y
y
光學軸
Z
(X,Y,Z)
Z=f
x
X
投影中心
f X
x
Z
f Y
y
Z
中心投影
O
P
P
消失平面
投影平面
中心投影
Y
y
Q
光學軸
Z
(X,Y,Z)
xX
f
P
投影中心
f X
x
f Z
f Y
y
f Z
中心投影
1

0
(t ' , u ' , v' , w' )T   0

 0

0
0
1
0
0
1
1
f
0
0

0
T


(
t
,
u
,
v
,
w
)
0

0 

t'
t
f X
u'
u
f Y
x 

,y 

w' v / f
Z
w' v / f
Z
v'
v

 f
w' v / f
平行投影
投影平面
X=x and Y=y
平行投影
1

0
T
(t ' , u ' , v' , w' )  
0

0

0 0
1 0
0 0
0 0
0

0
T

(
t
,
u
,
v
,
w
)
f

1 
t' t
u' u
v' f  w
x    X , y    Y, 
 f
w' w
w' w
w'
w
中心投影與平行投影

中心投影---較常使用

平行投影---望遠鏡頭
中心投影的Camera模組



Pinhole模組
Optical-lens模組
具有相同的幾何特性，只是f的定義不同
1 1
1
 
f
f k d object
1 1 1
 
f
p q
• f為焦距，p(fk)為物距，q(dobject)為像距
中心投影的Camera模組

例題：有一焦距為50mm的Camera，欲量測一
2m遠的物體，其成像位置將於何處？
1
1
1


50 f k 2000
2000
fk 
 51.28
39
• 其成像位置可趨近於無窮遠處
實際、Camera、影像座標
實際、Camera、影像座標
 XK 
 XW 




 YK   R  ( YW   T )
Z 
Z 
 K
 W
 TX    X O 
  

T   TY     YO 
T    Z 
O 
 Z 
• R是旋轉向量，T是平移向量
 xb  cx   r1

 
 yb  c y    r4
  f  r
k 

 7
r2
r5
r8
r3   X w  X o 
 

r6    Yw  Yo 
r9   Z w  Z o 
校正記號
1
2
3
4
5
6
校正方程式

至少需要六個校正點
 X w Yw Z w 1 0 0 0 0 xb X w xbYw

 0 0 0 0 X w Yw Z w 1 yb X w ybYw
 L1 
xb Z w     X w 
       
yb Z w     Yw 
 L11 
軸對稱像差的Camera模組
軸對稱像差
(xu,yu)
xv  xu  Dx
(xv,yv)yv
(xv,yv)
 yu  D y
Dx  xv  (k1r  k 2 r )
2
4
Dy  yv  (k1r  k 2 r )
2
r x y
2
v

2
v
(Xu,Yu)理想影像座標點，(Xv,Yv)經像差後之
座標點
4
蔡氏校正法




蔡氏可說是三維校正技術的創始人。
其校正技術不再採用過去理想的幾何光
學，而加入了像差的情形。
其校正必須由七個或七個以上的不共面
點，才可完成校正。
在運算時則以最小平方法求解。
彩色影像之CCD模組

單黑白CCD+濾波器

三CCD+濾波器
單CCD+濾波器

4×4的巨集，綠色是人眼最敏感的波長。
R
G
R
G
R
G
G
R
G
R
G
R
G
B
G
B
G
B
G
B
G
B
G
B
R
G
R
G
R
G
G
R
G
R
G
R
G
B
G
B
G
B
G
B
G
B
G
B
R
G
R
G
R
G
G
R
G
R
G
R
G
B
G
B
G
B
G
B
G
B
G
B
基本濾波
條紋濾波
三CCD+濾波器
照度校正

Gamma Re-Correction

黑水平與白平衡
Gamma Re-Correction
PAL
Gamma
value
2.8
NTSC SECAM
2.2
I U

2.8
Monitors
2.35…2.5
5

 為
I 為光輻射強度，U為輸入電壓，
gamma值。附錄圖1
黑水平與白平衡

Black Level


R=0、G=0、B=0
White Balance

色溫差
第三章 物體表面幾何學
報告人：王碩裕
備忘錄：林威志
Geometry of Object Surfaces
這章主要講物體外觀幾何學，提供兩
個表面模組，介紹可能會用到的基本函數，
敘述如何投射與重建，其中提出如何使梯
度圖轉為深度圖與高度圖。
Functional Representations
表面模組
Facets(刻面)
Differentiable Functions(可微分函數)
基本函數
Normals(法向量)
Gradients(梯度)
Taylor Expansion(泰勤展開式)
Solid Angles(立體角)
Facets(刻面)
Differentiable Functions
Normal(法向量)
n( P )  ( n x , n y , n z )
T
F F F T
Z Z
n( P )  (
,
, ) (
,
,1)T
X Y Z
X Y
n( P)  (n1 , n2 , n3 )T
Gradients(梯度)
Z Z T
grad ( Z )( X , Y )  (
, )
X Y
Taylor Expansion
 (u0 , v0 )
 (u0 , v0 )
 (u0  u, v0  v)   (u 0, v0)  u 
 v 
u
v
Solid Angles
A
 2
r
Solid Angles
cos( )  dA
d 
2
r
Projection And Reconstruction
1. 在單一投射方向中，把所有可看到的
點，產生部分或全部區域的深度圖或
高度圖或梯度圖。
2. 記錄不同方向的圖。
3. 積分所有已記錄的圖，就可完成3D
模型。
Projection
Projection Models
Central projection
r (t )  (tx, ty, tz)
Parallel projection
r (t )  ( x, y, t )
X 2  Y 2  ( Z  a )2  r 2  0 where a  r  f
Parallel projection
X 2  Y 2  ( Z  a) 2  r 2  0
x 2  y 2  (t  a ) 2  r 2  0
Z ( x, y )  t  a  r 2  x 2  y 2
grad ( Z )( x, y )  ( p ( x, y ), q( x, y ))  (
x
r x y
2
Central projection
t 2 x 2  t 2 y 2  (tf  a) 2  r 2
af  r 2 ( x 2  y 2  f 2 )  a 2 ( x 2  y 2 )
t
x2  y2  f 2
2
2
,
y
r x y
2
2
2
)
Gradient Maps
Depth Maps from Gradient
Maps
•Local Propagation Methods
•Frankot – Chellappa Algorithm
Local Propagation Methods
Central projection
Z ( X  X , Y  Y )  Z ( X , Y )  Z  (1  c)  Z ( X , Y )
p  x  q  y
c
f  px  qy
Parallel projection
Z ( X  X , Y  Y )  Z ( X , Y ) 
Z
Z
 X 
 Y
X
Y
 p  x  q  y
Frankot – Chellappa Algorithm
第四章 靜態立體分析
報告人:蔡佑男
備忘錄:張子仁
靜態立體分析

Geometry of Static Stereo

Assumption and Constraints

Intensity-Based Correspondence Analysis

Feature-Based Correspondence Analysis

Stereo Analysis with Three Cameras
靜態立體分析






Image acquisition
Camera modeling
Feature extraction
Correspondence analysis
Triangulation
Interpolation
靜態立體幾何學
靜態立體幾何學
特徵點的分佈
靜態立體幾何學
靜態立體幾何學
靜態立體分析

光強度對應分析

特徵對應分析

三個像機的立體分析
光強度對應分析

區塊比對

彩色立體影像的區塊比對
區塊比對

影像分割

區塊比對
運動向量
區塊比對的實際結果
區塊比對
彩色立體影像的區塊比對
與灰階影像的比較
兩者之間的優缺點
特徵分析的優點

特徵分析比起強度分析會比較少有模擬兩可的
情況。

在立體轉換的過程裡，影像取得的時候對於光
度變化所產生的誤差會比較少。

如果位置的特徵能利用subpixel的方式準確的
計算，則影像會比像機的解析力更準確。
特徵對應分析

過零向量的立體分析

彩色特徵的立體分析
過零向量的實例
彩色特徵的立體分析
彩色資料可以在以下的演算法中使用到


限定過零點在影像中的R G B 。
在不同的影像裡使用過零的特徵來完成彩色
的資料。
彩色立體影像
彩色立體影像的區塊比對實際結果
三個像機的立體分析
第六章 反射模組
報告人：林威志
備忘錄：陳宏緯
CHAPTER 6 REFLECTION MODELS
•6.1 RADIOMETRIC QUANTITIES
•6.2 REFLECTION-DISTRIBUTION
FUNCTION
•6.3 REFLECTANCE MAPS
•6.4 REFLECTION COMPONENTS
•6.5 IMAGE IRRADIANCE EQUATION
6.1 RADIOMETRIC QUANTITIES
•6.1.1 Quantities Independent from Solid Angle
•6.1.2 Quantities Dependent on Solid Angle
•6.1.3 Functional Relationship
•6.1.4 Inverse Square Law
6.1 RADIOMETRIC QUANTITIES
Rediometric quantity
Photometric
symbol Rediometric unit
Radiant energy
Luminous energy
Q
W-s
Radiant power
Luminous power
Ф
W
Irradiance
Illuminance
E
W-m-2
Radiant emmitance
Radiant exitance
Luminous emmitance
Luminous exitance
M
W-m-2
Radiant intensity
Luminous intensity
I
W-sr-1
Radiance
luminance
L
W-sr-1-m-2
6.1.1 Quantities Independent from Solid Angle
Q(光量子的輻射能量)
dQ
 
dt
d
M 
dA1
d
E 
dA2 (在電腦視覺中E值相當重要)
光量子輻射能量：與光幅射頻率成正比關係，h代表關係式正比係數。
：表示單位時間內光通量
M：單位面積幅射進入量
E：單位面積幅射發光量
6.1.2 Quantities Dependent on Solid Angle
d
I 
d1
d 2
L  L1 
dA1 * cos(1 ) * d1
d 
L  L2 
dA2 * cos( 2 ) * d 2
2
I：發光強度L：幅射量
6.1.3 Functional Relationship
A
 2
r
6.1.3 Functional Relationship
dA1* cos1 * dA2 * cos 2 
d   L*
2
r
dA2 * cos 2 
d1 
2
r
d 2   L * dA1 * cos 1  * d1
2
d 
 L *dA
1
* cos 1  * d1
1
此公式為兩不同表面輻射發射量與進入量的關係
d 2：發光功率

6.1.4 Inverse Square Law
d
I 

d1
 L * cos * dA
1
1
A1
dI  L * cos1  * dA1
cos1  * dA1 * cos 2 
r2
cos 2 
dE  dI *
r2
cos 2 
cos 2 
EI*
,
with
 const
2
2
r
r
dE  L *
此公式表一輻射發光表面有I（發光強度）與在距
離r的傾斜表面E之間的關係
6.2 REFLECTION-DISTRIBUTION FUNCTION
•6.2.1 Definition of BRDF
•6.2.2 BRDF of a Perfect Diffuse Surface
•6.2.3 Lamber’s Cosine Law
•6.2.4 Albedo
•6.2.5 BRDF Measurement
6.2 REFLECTION-DISTRIBUTION FUNCTION
BRDF--bidirectional reflectance-distribution
function(雙向反射分布圖)
電腦視覺與繪圖上BRDF是一種用來形容反射性質
的重要工具
6.2.1 Definition of BRDF
6.2.1 Definition of BRDF
dL1  2 ,  2 ;1 , 1 ; E2 
f r  2 ,  2 ;1 , 1  
dE2  2 ,  2 
f r  2 ,  2 ;1 , 1  
dL1  2 ,  2 ;1 , 1; E2 
L2  2 ,  2 * cos 2 * d 2
L1   dL1  2 ,  2 ;1 , 1; E2    f r  2 ,  2 ;1 , 1 * dE2  2 ,  2 
2

2
 f  ,  ; ,  * L  ,  * cos * d
r
2
2
1
1
2
2
2
2
2
2
dE2  2 ,  2   L2  2 ,  2 * cos 2 * d 2
BRDF：表示一材質單位面積微分當其從一個一般方向和從特定方
向觀察發光強度有多亮，定義觀察者方向dL1與發光方向dE2的比例
6.2.2 BRDF of a Perfect Diffuse Surface
Lambert’s reflector?
Lambert’s reflector 之重要性質
1 反射L1值並不等向且為常數 L1 1 , 1   L1  const
2 BRDF=constant; f r  2 , 2 ;1 , 1   f r  const
3 M=E2 且可以在可是半圓上用反射值表
示 M   L1 * d1 L1 *   E2
1
fr
L1
1


E2

L1 
1

 L 
2
2
2
,  2  * cos 2  * d 2
6.2.3 Lamber’s Cosine Law
Lamber’s Cosine Law
係數
1

L1 
cos 2 
E0

* cos 2 
L1可以被模組化成一數學方程式
0  2 

2
6.2.4 Albedo
Albedo;  反照率(在[0,1]間
的scaling factor)
所謂ρ用於形容一個表面保持所有Lambertian
reflector的性質，除了部分進入L且被吸收，亦是
形容相關由表面反射的比例
6.2.5 BRDF Measurement
6.2.5 BRDF Measurement
gonio-reflectometer
isotropic , anisotropic
incident angle
phase angle
I是表面法線與發光方向的角度
E是表面法線與反射方向的角度
g發光方向與反射方向的角度
6.3 REFLECTANCE MAPS
•6.3.1 Definition and Representation
•6.3.2 Linear Reflectance Maps
•6.3.3 Lambertian Reflectance Maps
•6.3.4 Generation of Reflectance Maps
6.3 REFLECTANCE MAPS
•REFLECTANCE MAPS是反射光與表面方位之間的model
------by B.K.P Horn
i  n, s , e  n, vand , g  s, v
考慮反射表面性質，且假定發光方向s固定且觀察
者角度V在反射光只有由表面方位改變而有所變化，
BKP.Horn介紹所謂反射比例圖，為反射光與表面
方位之間關係的模型
6.3.1 Definition and Representation
R  p, q 
Rs  f , g 

Rn n
0

R , Rs : 
2
 
利用連續或非連續的方程式來定義反射圖，表面的
方位可以表示成不同的方式，通常梯度空間表示表
面傾斜率（p，q），為了反射圖而被選取
6.3.2 Linear Reflectance Maps
R p, q   E0 *  *
ps * p  qs * q  1
 ps , qs ,1
R p, q   h * a * p  b * q 
( ps , qs )  (0.5,0)
6.3.3 Lambertian Reflectance Maps
L1 
E0

*  * cosi , L1 
E0

*  * cos n, s 
Rn n 0   E0 *  * cos n 0 , s   E0 *  * cos n , s 
a T b  a b cos a, b , with
a, b   3
Rn n 0   E0 *  * n 0T * s 0 , with
n0 
n
s
and , s 0 
n
s
R p, q   E0 *  * cos  p, q,1, s 
R  p , q   E0 *  *
Rs  f , g   E0
 p, q,1 ps , qs ,1T
 p, q,1  ps , qs ,1

4 f ,4 g , f
**
 E0 *  *
 g 2  4* s 0
4  f 2  g2
2
p * ps  q * qs  1
p 2  q 2  1 * ps  qs  1
2
2
6.3.3 Lambertian Reflectance Maps
s  s 0  v  v 0  0,0,1
T
R p, q   E0 *  *
1
, c  R  p, q 
 p, q,1
6.3.3 Lambertian Reflectance Maps
a20 * p  a02 * q  2a11 * p * q  2a10 * p  2a01 * q  a00  0
2
2
6.3.4 Generation of Reflectance Maps
•empirical reflection model
利用兩種不同的演算法來產生反射圖
一、 用lam反射定律和一已知的發光方向，產生一個反射的分析式
二、 用等向法但不須lam反射律，測量影像E值，用一有刻度的物體
和一個已知物體形狀，導致一個完全根據實驗結果而來的反射圖
6.4 REFLECTION COMPONENTS
•6.4.1 Diffuse Reflection
•6.4.2 Specular Reflection
•6.4.3 Dichromatic Reflection model
•6.4.4 Interreflection
6.4 REFLECTION COMPONENTS
L  Ls  Lb
一個解析反射模組應符合簡單的需求，還有盡可能符合實際的情況，
一般而言我們假設反射是加成性的組合，由兩個反射元件，擴散反
射Lb和鏡射反射Ls ， L=Ls＋Lb
6.4.1 Diffuse Reflection
diffuse reflection(散反射):由光滲透複合光材內部
互動後發出之光線
Lb模組化成為規律的反射發光，由光的貫穿滲透和內部複合光材的
互動和內部的散射，反射、折射和散射是表面裡光材戶動所引起，
散射反射表面的推測是由大部份電腦視覺方法包含雙眼立體解析和
動態解析所建構的
6.4.2 Specular Reflection
Specular Reflection
T-S model
幾何光學
Specular Reflection spike Specular Reflection lobe
B-S model
物理光學
Fresnel term
高斯法線分布
6.4.2 Specular Reflection

Ls ,Torrance Sparrow  k * e
 arccos n 0 h 0

m

 2

s v
, with, h 0
s  v0
0
0
0
6.4.2 Specular Reflection
Ls , Phong1  k * (n h )
0

0 n

Ls , Phong2  k * 2n n s
0
0
0
 s v 
0
0 n
6.4.3 Dichromatic Reflection model
L , n, s, v   Lb  , n, s, v   Ls  , n, s, v 
 mb n, s, v * cb    ms n, s, v * cs  
6.4.3 Dichromatic Reflection model



 Lred , n, s, v    Ls  Lb  ms n, s, v  mb n, s, v
Cs , R 
Cb , R 
L   Lblue, n, s, v  




 Lgreen, n, s, v   ms n, s, v Cs ,G   mb n, s, v Cb ,G 
C 
 s,B 
C 
 b,B 

6.4.3 Dichromatic Reflection model
6.4.4 Interreflection
假設每個物體表面點光源只能由一個光源所照射發光，此種狀況維
持在當物體有一凸起形狀且沒有其他物體在環境裡，假如有凹面的
話我們就可以接收到第二個發光L，從其中表面點就造成干涉的產
生，假如環境中包含更多物體它們就會相互影響，像第二個光源一
樣
6.5 Image Irradiance Equation
•6.5.1 Image Formation
•6.5.2 General equation
6.5.1 Image Formation
 d
2
E  L * * 2 * cos  
4 f
4
6.5.1 Image Formation
方程式關係:
1 投影系統是固定焦距的
2 E只由L造成沒有其他輻射
3 不淡化邊緣
4 光在傳輸中沒有loss
5 折射影像可被忽略
6.5.2 General equation
Ex, y   c * R p, q
跟反射圖的關係導致一個影像發光程式E（x，y）=CR（p，q），C
是scaling facter，因為表面梯度（p，q）為領域座標，視X，Y而定，
但E是用X，Y影像座標而定，此方程式包含一個直角投影的假設當
它已經定義在反射圖上，E值正比於影像感測器和數位化系統所測
量的值，則背景L值和測量的影像E值（灰階值）之間的關係為線性
的
第八章立體影像法
指導老師：章明
教授
主講：林家弘
備忘錄：黃文孝
SFS的限制



E0 必須是已知，且為常數
表面至少要是 C (1) 等級的連續
單點的3D座標也必須已知
雙照度分析



假設照射方向S1、S2不在同一直線
為了防止兩光源的干涉，取得的兩張影像需是連續的
物體和像機要有固定位置和照射方向。
雙照度分析
V
α
S1
v=a*s1+b*s2
S2
線性反射
假設線性反射和梯度空間有關
h : q  h( p)  m(s1 )  p  b(s1, E1 )
m:slope
k : q  k ( p)  m(s2 )  p  b(s2 , E2 )
線性反射
q
k
h
( pm , qm )
p
Albedo相關的分析

Lambertian反射圖與線性反射圖、反射率之關係
定理：如果物體表面的反射性質可以由兩個Lambertian反
射圖表示，那2S法就可以限制住每個影像點的可能解集合
特殊表面的影像結合
要達到特殊表面的影像結合可由下列步驟
 直接SFS延伸
 假設為凸面體
 限制特殊表面的條件
三照度分析



將光源改成三個
3S法
假設照度值為正
Albedo相關的分析



可解析內部的各分離照度曲線
不可解析內部的各分離照度曲線
照度查詢表
第九章 結構光法
報告人:陳宏緯
備忘錄:張子仁
Structured Lighting

Projection of simple geometric patterns

Projection of encoded patterns
Projection of simple geometric patterns




Light spot projection
Light spot stereo analysis
Light stripe projection
Static light pattern projection
• Light spot projection

Triangulation with aLight spot projection
• Light spot projection

Light spot projection technique in three dimensions
• Light spot projection

Visibility problems of the Light spot projection

Light spot stereo analysis

Light stripe projection

Light stripe projection

Static light pattern projection
Projection of encoded patterns



Binary encoded light stripes and phase
shifting
Color encoded light stripe projection
Active color stereo analysis

Binary encoded light stripes and
phase shifting

Color encoded light stripe projection
M 0 ( K , L)  L  ( L  1)
K 1

Active color stereo analysis

Active color stereo analysis