| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000241449 |
| ISSN: | 1405-5546 |
| Autores: | Cuevas de la Rosa, Francisco1 Servin Guirado, Manuel |
| Instituciones: | 1Centro de Investigaciones en Optica A.C, León, Guanajuato. México |
| Año: | 2004 |
| Periodo: | Abr-Jun |
| Volumen: | 7 |
| Número: | 4 |
| Paginación: | 285-298 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | En este trabajo se presenta la aplicación de redes neuronales (RNs) en la reconstrucción tridimensional de objetos y su utilización en tareas de calibración en sistemas de proyección de luz estructurada. En una primer propuesta, se establece una red neuronal que utiliza funciones de base radial (RNFBR) útil para calibrar un sistema de proyección de franjas. En este caso la RNFBR es modelada para ajustar la información de fase, obtenida de los imágenes de franjas a mediciones físicas reales. Se propone una segunda técnica que utiliza una red neuronal multicapas de perceptrones (RNMP) para la recuperación de fase y profundidad a partir de los patrones de franjas. En esta técnica se utiliza una ventana de análisis conteniendo subimágenes de los patrones de franjas. Esta subimagen es utilizada como entrada de la RNMP, obteniendo como salida las mediciones de los gradientes de fase o profundidad. Se presentan experimentos que aplican las técnicas propuestas para medir un objeto real |
| Resumen en inglés | In this work the application of neural networks (NNs) in tridimensional object depth recovery and structured light projection system calibration tasks is presented. In a first approach, a NN using radial basis functions (RBFNN) is proposed to carry out fringe projection system calibration. In this case the RBFNN is modeled to fit the phase information (obtained from fringe images) to the real physical measurements. In a second approach, a Multilayer Perceptron Neural Network (MPNN) is applied to phase and depth recovery from the fringe patterns. A scanning window is used as the MPNN input and the phase or depth gradient measurements is obtained at the MPNN output. Experiments considering real object depth measurement are presented |
| Disciplinas: | Ciencias de la computación, Matemáticas |
| Palabras clave: | Matemáticas aplicadas, Redes neuronales artificiales, Metrología óptica, Medición, Demodulación |
| Keyword: | Computer science, Mathematics, Applied mathematics, Artificial neural networks, Optical metrology, Measurement, Demodulation |
| Texto completo: | Texto completo (Ver PDF) |
