技術特征：

1.一種實現自動對焦和三維重建的顯微系統，包括：包括PC機；顯微攝像頭，與所述PC機通信連接，所述顯微攝像頭前方設置有顯微鏡頭，顯微鏡頭將待觀察物體顯微放大；單片機，與所述PC機通信連接并接收PC機的指令信號并轉換成控制信號輸出；一號步進電機，與所述一號平臺連接并用于驅動所述一號平臺旋轉；二號步進電機，與所述一號平臺連接并用于驅動所述一號平臺前后移動；三號步進電機，與所述一號平臺連接并用于驅動所述一號平臺傾斜角度α；四號步進電機，與所述一號平臺連接并用于驅動所述一號平臺上下移動；五號步進電機，與所述一號平臺連接并用于驅動所述一號平臺前后移動；一號步進電機驅動板，與所述單片機連接并根據所述單片機輸出的控制信號控制所述一號電機工作；二號步進電機驅動板，與所述單片機連接并根據所述單片機輸出的控制信號控制所述二號電機工作；三號步進電機驅動板，與所述單片機連接并根據所述單片機輸出的控制信號控制所述三號電機工作；四號步進電機驅動板，與所述單片機連接并根據所述單片機輸出的控制信號控制所述四號電機工作；五號步進電機驅動板，與所述單片機連接并根據所述單片機輸出的控制信號控制所述五號電機工作。

2.根據權利要求1所述的實現自動對焦和三維重建的顯微系統，其特征在于：還包括二號平臺和三號平臺，所述一號步進電機固置于所述二號平臺上并驅動所述一號平臺旋轉，所述三號步進電機設置在二號平臺與三號平臺之間并驅動所述二號平臺帶動所述一號平臺傾斜，二號步進電機、四號步進電機和五號步進電機與三號平臺連接并驅動所述三號平臺帶動所述二號平臺及所述一號平臺分別作前后移動、上下移動和左右移動。

3.根據權利要求1所述的實現自動對焦和三維重建的顯微系統，其特征在于：所述一號平臺傾斜角度α滿足5°≥α≥-5°。

4.一種顯微系統的顯微圖像獲取方法，所述顯微系統如權利要求1至3任一所述的實現自動對焦和三維重建的顯微系統，其特征在于，所述顯微圖像獲取方法包括以下步驟：

S10：攝像頭的標定,采用張正友提出的平面標定法進行攝像頭的標定；

S20：左視圖和右視圖的獲取，將自動調焦完成之后視頻信號的某一幀作為左視圖，將旋轉角度完成之后視頻信號的某一幀作為右視圖；

S30：圖像特征提取及匹配，采用GFTT算法對圖像特征點進行提取，采用SIFT算法作為圖像特征匹配的算法；

S40：三維重建過程，采用基于特征區域擴張的方法進行三維重建。

5.根據權利要求4所述的顯微系統的顯微圖像獲取方法，其特征在于，在步驟S20中，左視圖和右視圖的獲取包括以下步驟過程：

S21:觀察顯微圖像，控制二號步進電機和五號步進電機工作，使得顯微圖像在視野范圍之內；

S22：控制三號步進電機工作，進行顯微攝像調焦，直至自動調焦結束，其中在調焦過程中控制四號步進電機工作，控制一號平臺傾斜角在設定范圍內，其中顯微攝像調焦采用基于laplacian清晰度評價函數的方法進行調焦；

S23：選取視頻信號中的一幀圖像作為左視圖，并存儲；

S24：控制室一號步進電機工作，一號平臺轉動角度β時的一幀圖像作為右視圖，并存蓄，其中225°≥β≥145°。

6.根據權利要求5所述的顯微系統的顯微圖像獲取方法，其特征在于，在步驟S22中，還包括對laplacian清晰度評價函數進行修改，修改方法如下：

原Laplacian清晰度評價函數為：

拉普拉斯算子是二階算子，其定義為：

由二階導函數的定義得到：

${\▿}^{2}f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)$

則Laplacian函數表示為：

設空間任意位置處p(x,y,z)投影到感光器件上的像素點為f(x,y)，則空間任意位置處p(x,y,z)在豎直方向的投影為p(x,y)，而p(x,y,z)與p(x,y)之間的夾角為傾斜角度α，因此間接求出p(x,y)對應的清晰度評價函數為f(x,y)cosθ，之后對二階導函數的定義做如下修改：

修改后的Laplacian函數可以表示為：

$F\left(k\right)=\frac{1}{N*N}\underset{x}{\Σ}\underset{y}{\Σ}\[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1))cos\mathrm{\θ}-4f(x,y){\]}^2$

最后把修改后的Laplacian函數作為自動調焦算法的清晰度評價函數。

7.根據權利要求5所述的顯微系統的顯微圖像獲取方法，其特征在于，在步驟S24中，選取185°≥β≥175°。

8.根據權利要求4所述的顯微系統的顯微圖像獲取方法，其特征在于，在步驟S30中，GFTT算法具體步驟為：

S31：計算每個像素點的二階偏導(I_X)²、(I_y)²、I_xI_y；

S32：計算每個像素的二階矩陣M

$M=w(x,y)\⊗\[\begin{array}{cc}{I}_x^2& I_X{I}_Y\\ I_x{I}_y& I_Y^2\end{array}\]$

式中代表卷積，

S33：獲得M矩陣對應的兩個特征值λ₁和λ₂；

S34：選取max(min(λ₁,λ₂))確定最終的角點。