（文章來(lái)源：中國(guó)光學(xué)工程學(xué)會(huì)）

人類(lèi)所處的物理世界空間是三維的，對(duì)三維信息的獲取和處理技術(shù)體現(xiàn)了人類(lèi)對(duì)客觀世界的把握能力，因而從某種程度上來(lái)說(shuō)它是體現(xiàn)人類(lèi)智慧的一個(gè)重要標(biāo)志。傳統(tǒng)光探測(cè)器僅對(duì)被測(cè)場(chǎng)景的二維強(qiáng)度敏感而無(wú)法感知其三維形貌與深度信息。人類(lèi)雖可通過(guò)自己的雙眼來(lái)感知三維的世界，但無(wú)法對(duì)客觀事物的三維形貌進(jìn)行準(zhǔn)確量化的描述。

三維成像與傳感技術(shù)作為感知真實(shí)三維世界的重要信息獲取手段，為重構(gòu)物體真實(shí)幾何形貌及后續(xù)的三維建模、檢測(cè)、識(shí)別等方面提供數(shù)據(jù)基礎(chǔ)。近年來(lái)，隨著計(jì)算機(jī)技術(shù)、光學(xué)和光電技術(shù)的發(fā)展，以光信號(hào)為載體的光學(xué)三維傳感技術(shù)，融合光電子學(xué)、圖像處理、計(jì)算機(jī)視覺(jué)與現(xiàn)代信號(hào)處理等多學(xué)科為一體，已發(fā)展成為光學(xué)計(jì)量和信息光學(xué)的最重要的研究領(lǐng)域和研究方向之一。

互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展指引著大數(shù)據(jù)時(shí)代的來(lái)臨，以數(shù)據(jù)為推動(dòng)的深度學(xué)習(xí)技術(shù)無(wú)疑是大數(shù)據(jù)時(shí)代的算法利器。相比于傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)，深度學(xué)習(xí)技術(shù)首先可利用不斷增多的數(shù)據(jù)不斷提升其性能，而傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)無(wú)法做到這一點(diǎn)。其次，有別于傳統(tǒng)方法需要手動(dòng)提取特征，深度學(xué)習(xí)技術(shù)是一項(xiàng)全自動(dòng)的技術(shù)，它可以從海量數(shù)據(jù)中直接抽取特征。并且，對(duì)于不同的任務(wù)，不再需要設(shè)計(jì)獨(dú)特的特征提取器，所有工作都是深度學(xué)習(xí)自動(dòng)完成。這是智能機(jī)器逐漸代替人工操作的一個(gè)顯著體現(xiàn)，因此深度學(xué)習(xí)已成為大數(shù)據(jù)時(shí)代的一項(xiàng)熱點(diǎn)技術(shù)，無(wú)論學(xué)術(shù)界還是工業(yè)界都對(duì)這項(xiàng)技術(shù)產(chǎn)生了濃厚的興趣。

深度學(xué)習(xí)技術(shù)已在光學(xué)成像、計(jì)算成像、全息顯微等諸多領(lǐng)域逐步滲透，并展現(xiàn)了巨大的潛力。條紋投影三維成像因其非接觸、高精度、全場(chǎng)測(cè)量、點(diǎn)云重建效率高等優(yōu)點(diǎn)，目前已成為一種主流的三維傳感技術(shù)。在深度學(xué)習(xí)技術(shù)的輔助下，條紋投影三維成像的相位測(cè)量效率、相位測(cè)量精度與三維成像穩(wěn)定性得到進(jìn)一步提升?；?a target="_blank">人工智能的新型條紋投影三維成像將有望為高端制造、在線檢測(cè)、生物醫(yī)療等領(lǐng)域提供“即快又準(zhǔn)”的三維數(shù)據(jù)。

作者首先簡(jiǎn)要回顧條紋投影三維成像的基本原理，包括條紋分析、相位展開(kāi)以及三維重建。隨后，列舉了深度學(xué)習(xí)技術(shù)在條紋投影三維成像中的典型應(yīng)用，包括基于深度學(xué)習(xí)的條紋分析、條紋圖像去噪、相位展開(kāi)、系統(tǒng)標(biāo)定、三維重建以及超快三維成像。最后，作者從以下5個(gè)方面分析與總結(jié)了利用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)高性能條紋投影三維成像面臨的挑戰(zhàn)和未來(lái)的走向：

深度學(xué)習(xí)到底學(xué)到了什么？作者認(rèn)為當(dāng)前研究人員正嘗試著用深度學(xué)習(xí)技術(shù)替代傳統(tǒng)方法以實(shí)現(xiàn)條紋投影三維成像的某一基本過(guò)程，或者全部?jī)?nèi)容（端對(duì)端的策略）。然而對(duì)于大多數(shù)研究人員而言，深度學(xué)習(xí)方法預(yù)測(cè)最終結(jié)果的過(guò)程仍是一個(gè)“黑箱子”——只能通過(guò)最終的測(cè)試結(jié)果來(lái)判斷神經(jīng)網(wǎng)絡(luò)的優(yōu)劣。由于難以把握神經(jīng)網(wǎng)絡(luò)的推演機(jī)理，使得優(yōu)化和提升神經(jīng)網(wǎng)絡(luò)性能的目標(biāo)淪為了大量的試錯(cuò)。

深度神經(jīng)網(wǎng)絡(luò)的架構(gòu)設(shè)計(jì)與優(yōu)化。針對(duì)具體的條紋投影應(yīng)用（如計(jì)算包裹相位、相位展開(kāi)、高動(dòng)態(tài)范圍成像等），到底什么樣的神經(jīng)網(wǎng)絡(luò)合適？盡管從前人相似工作中能找到網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的靈感，但是在神經(jīng)網(wǎng)絡(luò)后期的調(diào)試與優(yōu)化過(guò)程中，如何調(diào)整超參數(shù)（如神經(jīng)網(wǎng)絡(luò)的類(lèi)型、卷積神經(jīng)網(wǎng)絡(luò)中濾波器的尺寸、抽取特征的數(shù)量等）使得能夠在自己的應(yīng)用上表現(xiàn)出色仍是一個(gè)難以回答的問(wèn)題。

訓(xùn)練數(shù)據(jù)的獲取與標(biāo)注成本高。對(duì)于條紋投影技術(shù)領(lǐng)域，訓(xùn)練數(shù)據(jù)的大規(guī)模獲取與正確標(biāo)注仍需要耗費(fèi)大量的人力和物力成本。加之公開(kāi)的數(shù)據(jù)集稀少，這都增加了深度學(xué)習(xí)技術(shù)的實(shí)施難度。盡管采用仿真的方式獲取數(shù)據(jù)集可在一定程度上降低訓(xùn)練數(shù)據(jù)采集過(guò)程中的成本。但是仿真數(shù)據(jù)受制于有限的預(yù)設(shè)參數(shù)，它并不能完全等于真實(shí)數(shù)據(jù)。而深度學(xué)習(xí)的強(qiáng)大能力就在于學(xué)習(xí)與發(fā)掘輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的潛在聯(lián)系。因此，如何快速獲得準(zhǔn)確可靠的訓(xùn)練數(shù)據(jù)是提高深度學(xué)習(xí)技術(shù)在條紋投影技術(shù)領(lǐng)域應(yīng)用效率的一個(gè)重要問(wèn)題。
（責(zé)任編輯：fqj）