买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利一种基于深度学习的单帧结构光齿轮故障三维测量方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116310080B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211737214.8，技术领域涉及：G06T17/00；该发明授权一种基于深度学习的单帧结构光齿轮故障三维测量方法和系统是由秦毅;奚德君;侯磊设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于深度学习的单帧结构光齿轮故障三维测量方法和系统在说明书摘要公布了：本申请提供一种基于深度学习的单帧结构光齿轮故障三维测量方法和系统，所述测量方法步骤为：1对投影仪和相机进行标定，建立投影仪‑相机的内外参数模型；2生成单帧编码条纹图投影至被测齿轮表面，并采集变形之后的条纹图；3将单帧变形的条纹图输入基于GPD‑Net网络的包裹相位恢复模型中包裹相位；4通过包裹相位计算图像中各像素点的绝对相位；5根据内外参数模型和绝对相位计算各个像素点对应齿轮故障表面的三维空间坐标；6对获得的故障三维点云数据进行分析，完成高精度快速地对齿轮故障进行三维重建与测量。本申请通过条纹投影轮廓技术实现对齿轮故障的三维形貌进行实时在线测量。

本发明授权一种基于深度学习的单帧结构光齿轮故障三维测量方法和系统在权利要求书中公布了：1.一种基于深度学习的单帧结构光齿轮故障三维测量方法，其特征在于，具体步骤如下： 1系统标定：调试投影仪、相机和被测齿轮的相对位置，对完成调试的投影仪和相机进行标定，建立投影仪-相机的内外参数模型； 2数据采集：生成单帧编码条纹图并加载到投影仪中，并通过投影仪投影至被测齿轮表面，相机以的时间间隔采集变形之后的条纹图，获得单帧变形的条纹图； 3计算包裹相位：将采集的单帧变形的条纹图输入基于深度学习网络GPD-Net的包裹相位恢复模型中，得到的各像素点的包裹相位； 4计算绝对相位：基于得到的各像素点的包裹相位计算图像中各像素点的绝对相位； 5计算坐标：根据投影仪-相机的内外参数模型和各像素点的绝对相位计算得到各个像素点对应齿轮故障表面的三维空间坐标值； 6重建与测量：对获得的故障三维空间坐标值的点云数据进行分析，完成高精度快速地对齿轮故障进行三维重建与测量； 步骤1中系统标定的具体步骤如下： 1-1调试投影仪、相机和被测齿轮的相对位置，使投影仪投射的光栅覆盖被测齿轮故障特征，并且被测齿轮故障特征位于投影仪、相机的公共视场内； 1-2将完成调试的投影仪和相机拆卸离机，并按照投影仪光轴水平的放置在桌面上，进行离机标定，建立投影仪-相机的内外参数模型： 式中，M为内外参的乘积，、、为被测物体三维空间坐标值； 标定后，将投影仪、相机安装回原位进行后续测量； 步骤3中计算包裹相位的具体步骤为： 3-1以获得的单帧变形条纹图为输入，单帧变形条纹图首先通过深度学习网络GPD-Net的多层卷积C，将输入单帧变形条纹图分割成三个不同尺度的特征图； 3-2将不同尺度的特征图经过F操作进行拉伸，拉伸的特征图作为transformer模块T可读取的输入特征； 3-3利用不同head数的三个transformer模块T分别对三个不同尺度的特征进行多空间的特征提取； 3-4通过带有门控注意力机制的A-CRF模块进行可学习的特征融合，将多尺度多空间的特征进行有原则的融合； 3-5经过解码模块De输出M和D，计算每个像素点的包裹相位： ； 步骤5中计算三维空间坐标的具体步骤为： 5-1将求解出的绝对相位按照如下公式转换成坐标值： 5-2将求解的up带入步骤1中得到的投影仪-相机的内外参数方程组，利用三个已知量uc，vc，up联立三个方程，求解出三个未知量XW，YW，ZW；其中，uc，vc为已知的相机的像素坐标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。