目前結構光系統被廣泛應用於機器人視覺、工業量測、3D人臉辨識等領域中。本研究主要是藉由結構光立體視覺系統來量測物體並產生具有X Y Z軸三維資訊的點雲，再透過點雲來進行3D物體檢測，在產生點雲之前必須要先建立兩支相機各自的內部校正參數，再透過立體視覺校正找出兩相機之間的外部校正參數，經過結構光所建立的相位移編碼條紋找出兩相機影像平面上的對應關係，之後就可以透過兩支相機間的校正參數輔以三角測量法回推出待測物體表面在三維世界坐標系底下的X Y Z軸三維資訊。由於結構光系統的演算法非常耗時，本研究也針對整個系統加速，並針對在點雲成像結果不穩定這方面也做了改進。最後也導入了深度學習的模型進入我們的系統中取代了我們一對一尋找視差值的部分。實驗結果證明，所提出的方法能達到XY軸精度為0 028mm，Z軸精度達到0 01mm，整體執行時間由33s加速到7s，而在最後使用了深度學習的方式Z軸精度達到1mm。
3D Object Inspection System Using Deep Learning-Based Structured Light and System Stability and Speedup
家瑋, 葉. (Author). 2020
學生論文: Doctoral Thesis