Selama tahun-tahun terakhir, penggunaan teknik-teknik proyeksi pinggiran 

untuk menghasilkan tiga-dimensi (3D) informasi permukaan 

menjadi salah satu yang paling aktif di daerah penelitian metrologi optik. 
Aplikasinya berkisar dari mengukur bentuk 3D 
Komponen MEMS pengukuran kelandaian besar 
panel (2,5 m? ,45 m). Teknik telah menemukan berbagai aplikasi 
di berbagai bidang: biomedis aplikasi seperti 
3D intra-oral pengukuran gigi [1], non-invasif 3D imaging 
dan pemantauan deformasi dinding pembuluh darah [2], manusia 
pengukuran bentuk tubuh dipandu untuk bentuk pengobatan radioterapi 
[3, 4], punggung bawah pengukuran deformasi [5], deteksi 
dan pemantauan scoliosis [6], pemeriksaan luka [7, 8] 
kulit topografi dan pengukuran untuk digunakan dalam tata rias [9, 
10, 11]; industri dan aplikasi seperti ilmiah karakterisasi 
dari komponen MEMS [12, 13], analisis getaran 
[14, 15], refractometry [16], pengukuran global gratis 
deformasi permukaan [17, 18], pengukuran ketebalan dinding lokal 
paksa lembaran logam [19], analisis korosi [20, 21], 
pengukuran kekasaran permukaan [22, 23], reverse engineering 
[24, 25, 26], kontrol kualitas pembuatan papan sirkuit tercetak 
[27, 28, 29] dan aliran panas visualisasi [30]; kinematika 
aplikasi seperti mengukur bentuk dan posisi 
dari objek bergerak / makhluk [31, 32] dan studi kinematical 
parameter capung dalam penerbangan bebas [33, 34]; biometrik 
identifikasi aplikasi seperti wajah 3D rekonstruksi 
pengembangan sistem pengenalan wajah yang kuat [35, 36]; 
warisan budaya dan pelestarian [37, 38, 39] etc

Salah satu fitur yang menonjol dari beberapa proyeksi pinggiran

teknik adalah kemampuan mereka untuk memberikan resolusi tinggi,
seluruh-bidang rekonstruksi 3D objek dalam cara yang non-kontak
di video frame rates. Fitur ini telah mendukung teknik
untuk meliputi bidang-bidang baru dari aplikasi seperti sistem keamanan,
gaming dan virtual reality. Untuk memperoleh wawasan rangkaian
kontribusi yang telah membantu dalam terungkap teknik untuk memperoleh
fitur ini, para pembaca merujuk kepada artikel review di
masalah khusus ini oleh Zhang Song, dan Xianyu Su et al.
Tipikal pinggiran sistem profilometry proyeksi ditunjukkan dalam
Gambar 1. Ini terdiri dari unit proyeksi, gambar akuisisi
unit dan pengolahan / analisis unit. Pengukuran bentuk
melalui teknik proyeksi pinggiran melibatkan (1) memproyeksikan
pola terstruktur (biasanya sinusoidal pola rumbai) ke
permukaan benda, (2) merekam gambar pola pinggiran
yang fase dimodulasi oleh objek distribusi tinggi, (3)
menghitung fase modulasi dengan menganalisis gambar dengan
salah satu teknik analisis pinggiran (seperti metode Transformasi Fourier, fase fase melangkah dan
spasial deteksi methodsmost
dari mereka menghasilkan distribusi fase dibungkus) (4) menggunakan
cocok fase membuka bungkusan algoritma untuk mendapatkan fase kontinu
distribusi yang sebanding dengan variasi ketinggian objek,
dan akhirnya (5) kalibrasi sistem untuk memetakan
membuka fase distribusi ke dunia nyata 3-D co-koordinat.
Gambar. 2 menunjukkan diagram alur yang menggambarkan langkah-langkah yang terlibat di erent
dalam pengukuran distribusi tinggi suatu benda menggunakan
pinggiran teknik proyeksi dan peranan masing-masing langkah. A bergambar
perwakilan yang sama dengan rincian lebih lanjut akan ditampilkan dalam
Gambar. 3.
Selama tiga dekade terakhir, teknik proyeksi poni
telah berkembang sangat karena kontribusi besar
sejumlah peneliti dan perkembangan dapat secara luas
dikategorikan sebagai berikut : desain atau struktur dari pola 
digunakan untuk proyeksi [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], 
metode menghasilkan dan memproyeksikan pola [50, 51, 52, 
53, 54, 55, 56, 57, 58, 59, 60, 61, 62], belajar dari kesalahan 
disebabkan oleh peralatan yang digunakan dan mengusulkan mungkin koreksi 
[63, 64, 65, 66], mengembangkan metode analisis poni baru 
untuk mengekstrak fasa yang mendasari distribusi [67, 68, 69, 70, 
71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83], meningkatkan 
metode analisis rumbai-rumbai yang ada [84, 85, 86, 87, 88, 89, 
90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100], fase membuka bungkus 
algoritma [101, 102, 103, 104, 105, 106, 107, 108, 109], kalibrasi 
teknik [110, 111, 112, 113, 114, 115, 116, 117, 
118, 119, 120, 121, 122, 123], skala pengukuran (mikro / menengah / besar objek) [124, 125, 126, 127,
128, 129, 130], 
keadaan objek (statis / dinamis) [131, 132, 133, 134] dan 
menjajaki penggunaan teknik-teknik ini di berbagai bidang (di? erent 
aplikasi) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 
15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 
31, 32, 33, 34, 35, 36, 37, 38, 39]. Meskipun pengukuran 
proses dengan teknik proyeksi pinggiran memiliki beberapa langkah, 
dan di setiap langkah terdapat beberapa varian, teknik ini 
diklasifikasikan terutama tergantung pada jenis analisis pinggiran 
metode yang digunakan. Sebagai contoh, berdasarkan tertentu 
pinggiran metode analisis yang digunakan dalam pengukuran, pinggir proyeksi 
teknik diklasifikasikan sebagai fase loncatan profilometry 
(PSP), Transformasi Fourier profilometry (FTP), wavelet transform 
profilometry (WTP), spasial penyaringan profilometry (SFP), dll 
Analisis pinggiran tugas kunci dan pengaruh yang signifikan 
kinerja keseluruhan proyeksi pinggiran profilometry 
sistem dalam hal jumlah foto yang diperlukan, resolusi 
dan keakuratan pengukuran, kebutuhan komputasi 
dll Selama tiga dekade terakhir, beberapa metode analisis poni 
telah dikembangkan. Secara umum mereka dapat dikategorikan sebagai 
spasial dan temporal metode analisis. E? Cient dan sukses 
aplikasi memerlukan kehadiran seorang su? ciently highfrequency 
spasial carrier untuk metode spasial, dan akuisisi 
sejumlah gambar dengan fase-bergeser memproyeksikan pola tepi 
untuk metode temporal. Beberapa metode analisis pinggiran 
diperkenalkan dalam konteks proyeksi profilometry pinggiran adalah 
Transformasi Fourier metode dan berbagai perpanjangan dari itu [67, 
84, 85, 86, 87, 88, 89, 90], interpolated Transformasi Fourier [68], Transformasi Fourier regresif [135, 69],
dilatasi Gabor mengubah 
[70], berjendela Transformasi Fourier [71, 136], multiscale 
Transformasi Fourier berjendela [72, 73], satu-dimensi 
dan dua dimensi transformasi Wavelet [? 74, 91, 92], Stransform 
[75], diskrit-cosine transform [76], dimodifikasi Hilbert 
mengubah [77], analisis menggunakan invers fungsi kosinus [78], saraf 
jaringan [79, 137], terkunci fase loop [80, 93, 94, 95], regularized 
fase tracker [81, 138], spasial fase deteksi [82, 96, 
139], dan fase-pergeseran metode [83, 97, 98, 99, 100]. Artikel 
oleh Lei Huang et al. dan C. Quan et al. khusus ini 
isu menyediakan analisis komparatif di antara beberapa yang paling 
umum digunakan metode analisis pinggiran. 
Yang dipulihkan / diperkirakan fase dari pinggir terdeformasi 
pola dengan menggunakan sebagian besar analisis pinggiran tersebut 
metode matematis terbatas pada interval [􀀀?; +?] sesuai 
ke nilai utama fungsi arctan. Secara umum, 
fase sejati bisa berkisar lebih dari satu interval lebih besar daripada 2? di 
kasus yang mengandung fase pulih diskontinuitas buatan. 
Proses penentuan integral yang tidak diketahui beberapa 
dari 2? yang akan ditambahkan pada setiap pixel dari fase dibungkus peta untuk 
membuatnya terus-menerus dengan menghapus buatan 2? diskontinuitas 
disebut sebagai fase membuka bungkusan. Fase normal membuka bungkusan 
dilakukan dengan membandingkan fasa di piksel tetangga dan 
menambah atau mengurangi 2? membawa fase relatif antara 
dua piksel ke kisaran 􀀀? ke +?. Demikian, fase membuka bungkus 
adalah tugas sepele jika membungkus peta fase ideal. Akan tetapi, 
secara real pengukuran, kehadiran bayangan, poni rendah 
modulasi, non-seragam reflectivities dari permukaan objek, 
pinggiran diskontinuitas, kebisingan dll membuat sulit membuka bungkusan fase 
dan path tergantung. Beberapa algoritma membuka bungkusan maju 
telah dikembangkan dan beberapa dari mereka adalah: Goldstein's 
Algoritma [140], Z? Malgorithm [141], sementara fase membuka bungkus 
Algoritma [101], pinggiran algoritma berdasarkan analisis frekuensi 
[102], profilometry Transformasi Fourier berbasis [103], wilayah 
fase pertumbuhan membuka bungkusan [104], histogram lokal berdasarkan fase 
membuka bungkusan [105], meningkatkan kekebalan kebisingan fase membuka bungkusan 
[106], fase regularized pelacakan [107], banjir mengisi [108], 
PESONA (fase estimasi menggunakan regularisasi adaptif berdasarkan 
merapikan lokal) [142], dan kualitas bertingkat dipandu tahap 
membuka bungkusan algoritma [109]. Beberapa artikel tentang membuka bungkusan review 
meliputi [143, 144, 145, 146]. Zappa et al. [147] dilakukan 
perbandingan kinerja algoritma delapan membuka bungkusan 
(Goldstein, kualitas jalan dipandu berikut, Mask dipotong, 
Flynn, multi-grid, tertimbang multi-grid, preconditioned konjugat 
gradien dan minimum Lp-norma algoritma) dalam konteks 
mengukur bentuk 3D informasi menggunakan Transformasi Fourier 
profilometry. Dalam kasus dinamis / real-time 3D bentuk pengukuran, 
setumpuk peta 2D fase dibungkus diperoleh pada berbagai 
waktu instants perlu membuka, untuk mana threedimensional 
fase membuka bungkusan algoritma diperlukan. Untuk rincian 
diskusi pada fase 3D membuka bungkusan, mengacu kepada tinjauan 
artikel tentang "bentuk 3D dinamis pengukuran" oleh Su dan Xianyu 
Zhang Qican masalah khusus ini.