机载相机非球面光学系统热光学特性分析

环境温度是影响非球面光学系统成像质量的主要因素之一,采用热光学特性分析方法,对某机载相机非球面光学系统进行热光学特性分析,通过有限元法分析相机光学系统结构热变形,并去除镜面表面刚体位移,将面型数据输入光学软件程序进行Zernike多项式拟合,将拟合结果导入光学设计软件中,对非球面光学系统成像进行性能评价。分析结果表明:热光学特性分析方法可以有效地对非球面光学系统的实际工作环境进行仿真,预测环境温度对光学系统成像质量的影响,对光学系统设计具有指导意义。     

Zernike多项式拟合曲面中拟合精度与采样点数目研究

为了研究采样点数目对由Zernike多项式所拟合的曲面的拟合精度的影响,采用不完全归纳法,取得了采样点与拟合精度之间的数据关系。结果表明:不同的测试函数遵循相同的规律,即采样点数目达到一定数目后,拟合精度随采样点的变化很小。并且,通过计算得到了在较高拟合精度时,采样点数目与Zernike多项式的项数之间的变化规律,实际例子证明了该变化规律的正确性,其对于Zernike多项式拟合曲面具有很好的指导意义。     

运用泽尼克多项式进行物面波前数据拟合

本文提出了一种运用泽尼克(Zernike)多项式的波前数据拟合方法.给出了离散点上正交多项式的构造并描述了具体计算步骤.可对待测物面低调制度点、散斑点、噪音及灰尘点区域进行波前数据拟合,通过一定阈值的设定,将误差点用掩模滤除并予以拟合.进一步提高了物体测量精度.     

非球面和梯度折射率在眼光学成象中的作用

在Gullstrand-Le Grand眼模型的基础上,构造不同的眼光学模型,分别研究了角膜非球面、晶状体非球面和昌状体折射率在眼光学成象中的作用.通过比较各模型系统的Zernike标准多项式系数,分析了非球面和梯度折射率对眼光光系统各象差的影响.同时研究了不同模型调制传递函数的特性.     

二维横向剪切干涉中采样点的选取

为了使相移式横向剪切干涉法能够广泛应用于大口径非球面的在线检测,通过计算机仿真研究横向剪切干涉测量的非球面面形,实现其二维波面的重建.分别对仿真中获得的被测非球面在x方向和y方向的两个差分波前中剪切量大小和采样点个数的选取进行分析,利用最小二乘法求取波差值,采用Zernike多项式拟合法进行波前重建,在保证高准确度测量情况下,对一被测抛物面面形进行计算机仿真实验,结果表明:最适合的剪切量是其被测口径的十分之一大小,此时只需要对其选取49个离散数据采样点,采用泽尼克多项式拟合就可得到二维波面的形貌.该结论为相移式横向剪切干涉的二维波前重建提供了理论指导,同时,也为大口径非球面在线测量的实际应用提供了技术支撑.     

一种用于光机热集成分析的新方法——干涉图插值法

Zernike多项式是光机热集成分析中实现光、机、热各分析软件之间数据传递的重要工具。许多光学元件表面形状并不满足Zernike多项式的正交性条件，使有限元分析不能精确拟合光学元件表面变形及变形产生的各项像差。讨论影响Zernike正交性的几个因素，详细介绍将有限元分析得到的光学表面变形数据导入光学分析软件的一种新方法——干涉图插值法。该方法避开Zernike多项式拟合，在去除镜面刚体位移后将镜面畸变精确地表示成干涉图数据，直接生成数据接口。     

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类*

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂,计算量大的特点,针对这一问题本文提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,通过本文提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且混合通道图比单独的强度图和深度图收敛速度更快,结合目标识别网络可以25fps实时的进行目标分类,在真实数据集上分类精度达到了91.13%。     

于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

基于散乱三维点云的缺陷检测和三维重构方法

设备表面的缺陷检测对于保证安全生产避免经济损失具有重要意义。针对基于设备表面散乱三维点云缺陷检测和三维重构算法复杂的问题,提出了一种基于散乱三维点云的缺陷检测和三维重构方法。对散乱三维点云沿某一轴向进行分层处理,将同一层内的三维点进行移位规则化处理,并对规则化的三维点云进行缺陷检测和三维重构。分别对无缺陷设备表面和凹凸缺陷设备表面进行缺陷检测和三维重构,规则化前后三维数据缺陷计算结果相对误差为1.01%。实验结果表明,将散乱三维点云分层和规则化处理有效降低了缺陷检测和三维重构的复杂度,易于实现。     

矩形元件离焦及像散计算方法

利用Zernike多项式进行最小二乘拟合来计算矩形元件的离焦及像散,不需要波面数据在圆域内正交,从而避免了波面数据缺失区域的数据插值。通过计算圆形口径数据,与商业软件计算结果比较,差别小于0.005倍波长,证明了该方法计算离焦及像散的可行性。分析了不同长宽比下矩形元件的离焦及像散。结果表明用商业软件计算矩形口径元件像散时,随着长宽比的增加,偏差会明显增大。