基于光学计算超表面的全光学目标识别和三维重建技术

随着物体识别和三维(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必不可少，人们越来越关注与寻求可以简化处理的高效、更快的速度和更集成的方法。

在当前的物体识别和三维重建领域，样品轮廓信息的提取主要通过各种计算机算法来完成。传统的计算机处理器存在功耗高、运行速度低、算法复杂等多重制约因素。在这方面，最近人们越来越关注寻找替代光学方法来执行这些技术。

光学计算理论和图像处理的发展为目标识别和三维重建技术提供了更为完整的理论基础。近年来，光学方法因其运算速度快、集成度高和延迟低等巨大优势而受到更多关注，成为传统模式的最佳替代方法。

超表面作为亚波长尺度的二维纳米结构，在光学的革命性发展中表现出了卓越的能力，可以更有效地简化和深度集成光学系统。

在实际应用中，超表面已经显示出有效操纵光的几个参数的能力。因此，超表面被用于许多潜在领域，例如光学模拟计算、光学密码学、光学器件设计、信号操纵、显微镜成像、光学成像和纳米绘画。

光学计算超表面作为二维人工设计的组件，表现出控制光束相位、幅值、偏振和频率分布的超常特性，能够对输入光场进行数学运算。

近日，湖南大学物理与电子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目标识别与三维重建技术。与传统机制不同，该方案减少了轮廓曲面提取处理过程中的内存消耗。高对比度和低对比度物体的实验结果的识别和重建与真实物体吻合较好。对全光学目标识别和三维重建技术的探索为高效率、低功耗和紧凑的系统提供了潜在的应用。

该研究成果发表在Opto-Electronic Advances上，作者提出了一种基于光学计算超表面的全光学目标识别和三维重建技术。通过设计和制造光学计算超表面，实现了高对比度和低对比度物体的全光学目标识别和三维重建。

图1.物体识别及全光学三维重建系统示意图。(a) 物体表面轮廓图像可以在系统的单次处理中获得。(b)高、低对比度物体可以通过这种全光学计算超表面系统进行重建。

与以往基于超表面的三维成像研究不同，该方法依靠光学模拟计算获取目标轮廓信息，可以实现高对比度和低对比度目标的物体识别和三维重建，为基于超表面的光学模拟计算提供了独特的应用。物体识别系统的原理示意性地如图1(a)所示。

当被观测物体被添加到系统中时，系统可以通过全光学方式输出有关物体的轮廓信息。该系统的目标识别能力也可以扩展到全光学三维重建技术。无论是高对比度物体还是低对比度物体[图1(b)]，通过重新组合被观察物体的不同投影图像，都可以得到被观察物体的三维模型。

从理论上讲，高对比度物体的三维轮廓面可以看作是无限二维轮廓的叠加。因此，针对高对比度物体，提出旋转法和切片法进行三维重建。对于低对比度物体，可以通过打破正交偏振态技术来获得三维重建模型。

图2.全光学三维高对比度物体重建系统的实验演示。(a) 全光学高对比度物体三维重建示意图。不同的颜色平面代表不同的投影平面。(b) 图中不同投影平面上被观察物体的轮廓信息结果。(c)通过重新组合图中捕获的不同投影结果来重建的3D模型。(b).(d1)-(d3)原点图像，芫荽籽旋转间隔角度为16°和4°的三维实验重建模型。(e1)-(f3)蘑菇模型和棒棒糖模型的三维实验重建模型。

为了验证上述方案中三维重建的可行性，以图2(a)中的球体为例。通过在光学系统中以相等的间隔旋转物体，CCD相机可以捕捉到物体在不同投影平面上的多个轮廓图，如图2(b)所示。最后，通过重新排列和组合整个轮廓信息图，可以重建高对比度物体的三维实验重建模型[图2(c)]。

在图3(d)–3(e)中，芫荽籽、蘑菇模型和棒棒糖模型被用来演示这种重建过程。从理论上讲，间距角越小，重建模型的精度越高。作为概念验证演示，仅使用有限的轮廓来说明该方案在三维重建中的可行性，实验结果表明该技术具有促进性和准确性。

图3.复杂表面高对比度物体的三维重建实验方案。(a) 三维重建方案依赖于将目标对象离散化为二维切片，它们之间有小间隙。(b) 将捕获被观察物体的每个切片中包含的轮廓信息。(c) 通过重新组合图中捕获的不同投影结果来重建 3D 模型。(d)-(f)分别是凹槽、平台和凸台的原始和三维实验重建模型。

在不失去通用性的情况下，研究小组专注于具有复杂轮廓表面的高对比度物体。对于一些具有复杂表面的高对比度物体，旋转物体的三维重建方法不再适用。因此，该小组提出了另一种通过对物体进行切片的3D重建方法。以图3(a)中的球体为例，物体以微小的间隔切片，CCD相机可以捕捉到物体在不同投影平面上的多个轮廓结果，如图3(b)所示。

最后，通过重新排列和组合整个轮廓信息，可以重建高对比度物体的三维实验重建模型[图3(c)]。从理论上讲，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，一些具有不同特征的简单几何形状(如凹槽、着陆和凸台)已被用于验证图 3(d1)–3(f1) 中的实验。

通过对这三个物体进行切片，得到它们在不同平面上的轮廓信息，重新排列和组合这些轮廓信息，最终得到图3(d2)–3(f2)中关于它们的三维实验重建模型。无论是内侧有缺口的凹槽、外侧凸起的凸台，还是斜面过渡，3D实验重建模型的形状和大小都与原始物体非常吻合。该方法在复杂表面或内部结构物体的三维重建中具有潜在的应用前景。

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，提出并实现了一种高低对比度目标的光学目标识别和三维重建技术。该研究有望应用于种子筛选、表面轮廓检测和定量显微三维重建，为图像处理和工业检测提供独特的方向。

审核编辑：汤梓红