湖南大学提出基于光学计算超表面的全光学对象识别与3D重建技术
通过设计和制作光学计算超表面，团队实现了高对比度和低对比度对象的全光学识别和3D重建
（映维网Nweon 2023年12月27日）随着对象识别和3D重建技术在各种逆向工程、人工智能、医疗诊断和工业生产领域变得至关重要，人们越来越关注寻求效率更高、速度更快、更集成的方法来简化处理。
在当前的目标识别和3D重建领域中，提取样本轮廓信息主要是通过各种计算机算法来完成。传统的计算机处理器受到多种限制，如高功耗、低速度运行和复杂的算法。所以，业内越来越关注寻找替代光学方法来执行相关技术。
光学计算理论和图像处理技术的发展为对象识别和3D重建技术提供了更完备的理论基础。近年来，光学方法以其超快的运算速度、高集成度和低延迟的巨大优势受到越来越多的关注。
超表面作为亚波长尺度的二维纳米结构在光学领域的革命性发展中表现出了显著的能力，它可以有效地简化和深度集成光学系统的足迹。
在实际应用中，超表面已经显示出有效地操纵光的多个参数的能力。因此，超表面已开始应用于诸多潜在领域，如光学模拟计算和光学成像。
光学计算超表面作为一种二维人工设计元件具有控制光束相位、振幅、偏振和频率分布的超常规特性，能够对输入光场进行数学运算。
近日，中国湖南大学物理与微电子科学学院罗海陆教授课题组提出了一种基于光学计算超表面的全光学对象识别与3D重建技术。
与传统机制不同，所述方案减少了轮廓曲面提取过程中的内存消耗。他们对全光学对象识别和3D重建技术的探索为高效、低消耗和紧凑的系统提供了潜在的应用。
作者主要提出了一种基于光学计算超表面的全光学对象识别和3D重建技术。通过设计和制作光学计算超表面，团队实现了高对比度和低对比度对象的全光学识别和3D重建。
与以往基于超表面的3D成像研究不同，团队提出的方法依靠光学模拟计算获得对象的轮廓信息，可以实现高对比度和低对比度对象的识别和3D重建，为基于超表面的光学模拟计算提供了独特的应用。目标识别系统的原理如图1(a)所示。
当观测到的对象加入到系统中时，系统可以通过全光学方法输出轮廓信息。系统的目标识别能力同时可扩展到全光学3D重建技术。通过对被观测对象的不同投影图像进行重组，可以得到被观测对象的3D模型，涵盖高对比度和低对比度的对象图1(b)。
从理论上讲，高对比度对象的3D轮廓曲面可以看作是无限个2D轮廓的叠加。因此，对于高对比度的对象，团队提出了旋转方法和切片方法进行三维重建。对于低对比度的对象，可以通过打破正交偏振态技术获得3D重建模型。
为了验证上述方案的3D重建可行性，研究人员以图2(a)中的一个球体为例。通过在光学系统中以等间隔旋转对象，CCD相机可以捕获对象在不同投影平面上的多个轮廓结果，如图2(b)所示。最后，通过对整个轮廓信息进行重新排列组合，即可重建高对比度目标的3D实验重建模型，见图2(c)。
在图3(d) -3 (e)中，团队使用香菜籽、蘑菇模型和棒棒糖模型来演示这一重建过程。从理论上讲，间距角越小，重建模型越精确。作为概念验证，仅用有限的轮廓来说明所述方案用于三维重建的可行性，而实验结果表明这个技术是方便的和准确的。
在不损失一般性的前提下，研究小组将重点放在具有复杂轮廓表面的高对比度对象身上。对于具有复杂表面的高对比度对象，旋转物体的三维重建方法已不再适用。所以，课题组提出了另一种基于对象切片的3D重建方法。以图3(a)中的球体为例，以微小的间隔对物体进行切片，CCD相机可以捕捉到物体在不同投影平面的多个轮廓结果，如图3(b)所示。
最后，通过对整个轮廓信息进行重新排列组合，即可重建高对比度目标的3D实验重建模型，见图3(c)。理论上，切片过程的精度越高，重建的3D模型就越准确。作为概念验证演示，图3(d1) -3 (f1)中使用了具有明显特征的简单几何形状来验证实验。
通过对这三个对象进行切片，可以获得它们在不同平面的轮廓信息，然后可以将轮廓信息重新排列组合，并最终得到图3(d2) -3 (f2)所示的3D实验重建模型。无论是内部带缺口的凹槽，外部凸起的凸台，还是斜面着陆，3D实验重建模型的形状和大小都与原物体吻合。所述方法对于具有复杂表面或内部结构的对象三维重建具有潜在的应用前景。
总的来说，通过探索基于光学计算超表面的全光模拟计算系统的应用，团队提出并实现了一种高对比度和低对比度对象的光学目标识别和3D重建技术。本研究有望为图像处理等领域提供独特的研究方向。
