1、“.....可以从真彩色图像得到像素值。所以，该方法如上所述能够实现三维信息和其相应颜色信息之间相互匹配。实验结果基于上述理论，共面和非共面校准点可分别使用敏通公司制造和来校准和现实黑白和彩色分别。图像捕获板以分辨率采样，彩色用毫米镜头分辨率采样，两者面积都为个毫米镜头。激光实现是采用了加拿大公司，其波长为。黑白图象是由大部分在形式内电和区域划分得到变换矩阵组成。为了验证校准精度，进行了次以为毫米为标准值结果测定。发现四个图像被捕获平均相对误差仅为。双层不考虑输入层神经网络六个节点隐藏层采用校准颜色传感器。校准点和检测点数目本别是和，前者在方向上平均绝对误差为个像素，后者在方向上平均绝对误差为像素。对粘贴黄色，红色和绿色纸真实三维彩色实物进行基于黑白和彩色垂直扫描系统所捕获实验结果......”。

2、“.....它可以真实，生动地代表物体和颜色信息。结论从理论分析上述实验结果显示，该基于摄像机标定匹配技术在定程度上是可行，而且也有令人满意精度和效果。两者方法都不需要预先设置相机内在和外部参数，如比例因子和图像中心空间，但点坐标和其对应像素坐标数量却是不够，为了保证高精度，仍需要多次采样。另外，在使用线性区分标定情况下，数量和形式分区应该由实际应用确定，而图像可以由其他方式来划分，如同心圆或矩形等。这种方法，在每个分区线性，甚至其他非线性校准都是可以使用。因此，该方法可以有效解决信息匹配问题，这为未来彩色重建和纹理映射奠定了良好基础。参考文献•，，，，，，，，，•，，，，，，，其颜色信息可通过以下过程来实现。传感器校准可以获得不同分区转换矩阵，它可以把空间坐标为，转换为光条纹信息......”。

3、“.....对象整个三维信息可以由度来表示。此外，之间映射关系坐标度及其相应像素彩色图像坐标得到了彩色可以通过颜色传感器校准获得。可以从真彩色图像得到像素值。所以，该方法如上所述能够实现三维信息和其相应颜色信息之间相互匹配。实验结果基于上述理论，共面和非共面校准点可分别使用敏通公司制造和来校准和现实黑白和彩色分别。图像捕获板以分辨率采样，彩色用毫米镜头分辨率采样，两者面积都为个毫米镜头。激光实现是采用了加拿大公司，其波长为。黑白图象是由大部分在形式内电和区域划分得到变换矩阵组成。为了验证校准精度......”。

4、“.....来校准三维坐标与颜色传感器测量颜色信息之间匹配关系。校准过程主要包括公式计算求解过程以及信息匹配方法详细讨论。标定实验结果表明，采用线性分区标定传感器其平均测量相对误差为，而利用神经网络标定颜色传感器测试精度可以达到像素。基于该校准结果，真实物体被测量并且获得三维色点云，可以真实生动展现实物对象。关键词颜色传感器摄像机标定，信息匹配，线性分区标定，神经网络，色点云引言获得个实物坐标和颜色信息是种纯数字化研究。截至目前，各种基于不同原理技术被提出，并广泛应用于许多领域，如和，逆向工程，快速原型，虚拟现实，人体工程学和文物保护等，。在这些技术中，非接触式光学方法，特别是结构光方法由于其简单原理，快速测量，不需要接触以及精度高特点变得越来越流行。关键部位是黑色和白色相机和彩色摄像机颜色传感器可以将实物颜色信息数字化......”。

5、“.....为此，许多校准技术被提了出来比如如直接线性变换法，满量程非线性优化法，两阶段法等，。不过多数方法都因为相机过于复杂，从而使得模型总是需要被设置许多照相机内在和外部参数需要进行运算，很有可能会造成个不稳定求解过程。但实际上在许多应用中，光是在图像空间中点坐标和它们像素坐标之间映射关系运算已经是足够，照相机许多内部和外部参数往往有多余嫌疑。基于上述理由，提出了可以通过分别适用于线性区分标定传感器和神经网络法颜色传感器，来校准三维坐标与颜色传感器测量颜色信息之间匹配关系。原理校准和信息匹配线性区分标定及其解决方法对象空间坐标和它们对应像素坐标为，之间映射关系，可以成从图像捕获过程得到形式如下面等式所示齐此坐标配制而成矩阵方程。其中是个比例因子。显而易见我们可以从上面公式中发现，矩阵中包含了所有映射信息......”。

6、“.....完全可以通过由对象空间坐标和它们对应像素坐标创建求解线性方程系统来确定。由此，可将方程可以扩展为下面等式。理论上，参数到参数都可以通过个点来确定。然而在实际应用中，却是个需要几十个点构建超定方程来减少误差特殊项。因此，当点数量为，时，方程可以用如公式所示构建在矩阵基础最小二乘法来得到，并表示。但是，若匹配校准只是简单地按照上述方法进行计算，将会导致很多，因为该方法并没有考虑到镜头等非线性因素失真情况。所以另种方法被提了出来将整个图像分割成几部分，当然这也意味着该数据对空间点坐标及其相应像素坐标也会被分为几组，线性地选取各个部分分别施加到每组数据对或图像区域。由该方法可以得到若干转换矩阵，它们在需要测量时将被用于些基于区域划分分类规则数据输入。这就是线性分配法基本概念，使用这种方法可以使测量误差显著减少......”。

7、“.....每层都包含个或多个节点，每个层输出只与下层输入端连接，并没有与别任何层有节点输入和输出关系。个标准网络是由个输入层，个或多个隐藏层和个输出层构建而成。对于输入节点来说，它们输出量是和它们输入量相等。隐藏层和输出层行为模式可以被公式描述。其中是当前输入样本，是连接体重从节点到节点，和是输入和节点输出。是激励功能应该是微无处不在神经网络，所以使用形函数总是偏好，如以下公式所示。网络训练过程开始训练样本制备，它包含输入样本与理想输出样本。过程中定义了向前和向后两个方向。在向前方向时，各层行为仅影响下层，并且如果输出不理想，过程中会变成向后方向，它沿着连接路径和返回信号通过修改重量发送回输入层。重复此过程，直到误差满足需求为止。在向后方向中，重量由如下公式所示。其中，η是学习速率，其值应和之间进行选择。当节点是在输出层，以下定义被使用，否则等式被使用......”。

8、“.....是理想输出，是实际产出。颜色传感器是由神经网络校准上述输入和输出选择为三维坐标校准点和其相应二维象素座标为图示出。信息匹配过程如图所示，三维传感器是由黑白彩色和能够上下移动线结构激光光线组合成。该光平面将与相交对象产生光条纹。该测量过程被扫描光条纹物体上过程中，并记录在轮廓信息由传感器。水平方向和深度坐标由三维传感器被记录和垂直坐标将是从精确机械扫描方式得到，并且颜色传感器将记录颜色信息对象。之间匹配坐标和其颜色信息可通过以下过程来实现。传感器校准可以获得不同分区转换矩阵，它可以把空间坐标为，转换为光条纹信息。与另个坐标接到扫描系统中，对象整个三维信息可以由度来表示。此外，之间映射关系坐标度及其相应像素彩色图像坐标得到了彩色可以通过颜色传感器校准获得。可以从真彩色图像得到像素值。所以，该方法如上所述能够实现三维信息和其相应颜色信息之间相互匹配......”。

9、“.....共面和非共面校准点可分别使用敏通公司制造和来校准和现实黑白和彩色分别。图像捕获板以分辨率采样，彩色用毫米镜头分辨率采样，两者面积都为个毫米镜头。激光实现是采用了加拿大公司，其波长为。黑白图象是由大部分在形式内电和区域划分得到变换矩阵组成。为了验证校准精度，进行了次以为毫米为标准值结果测定。发现四个图像被捕获平均相对误差仅为。双层不考虑输入层神经网络六个节点隐藏层采用校准颜色传感器。校准点和检测点数目本别是和，前者在方向上平均绝对误差为个像素，后者在方向上平均绝对误差为像素。对粘贴黄色，红色和绿色纸真实三维彩色实物进行基于黑白和彩色垂直扫描系统所捕获实验结果。图是物体彩色图像图是三维点云计算由变换矩阵和图片系列图是从颜色传感器校准以及信息获得彩色点云匹配过程。它可以真实，生动地代表物体和颜色信息。结论从理论分析上述实验结果显示......”。