基于光学计算超表面的全光学目标识别与三维重建

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，类型同图。

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信息，如图2(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。