标题：基于深度学习的3D激光测量图像反光区域分离方法
作者：魏烨1；秦少谦1，2；吕盼稂1
作者单位：1 富煌君达高科信息技术有限公司先进技术研究中心，安徽 合肥 230000；2 安徽省合肥师范学院，安徽 合肥 230000
关键字：图像处理；深度学习；结构光测量；图像分割；反光干扰
摘要：提出了基于深度学习的3D激光测量图像中反光区域准确且稳定的分离方法。基于深度学习模型U-net网络实现了对3D激光测量图像中反光区域和激光线区域的语义分割；图像语义分割实现了对测量图像中不同区域的高精度分离。反光区域分离后的图像能够减少反光对中心线提取的干扰，研究结果表明，基于深度学习的激光测量图像区域分割可以更加精确地实现激光条纹的提取，同时保证提取结果的稳定性。单幅激光测量图像的区域分割时间仅为2.3ms，激光条纹中心提取精度均值为0.176pixel，标准差为0.119pixel，有效地保障了激光测量图像中激光条纹中心线的提取精度和鲁棒性。