从光学多维信息获取器件的小、简洁、易集成化的设计角度出发,对超透镜偏振、相位调控的原理进行分析,基于传输相位和几何相位设计了硅基正交圆偏振光同时聚焦的超透镜(工作波长为800 nm),该器件可同时获取目标的两个正交圆偏振光强度信息。利用x偏振光矩形结构和y偏振光矩形结构的相似性简化设计流程,缩短了设计时间;选择深宽比较小和尺寸容差较大的基元结构,降低了加工工艺要求。使用有限时域差分(FDTD)软件仿真验证了器件的偏振分光和聚焦成像功能,超透镜在数值孔径为0.45时的聚焦效率为56.2%。

针对联合双边滤波修复深度图像时无法准确估计滤波邻域范围和权重参数、深度图像的空洞填充效果不佳等问题,提出一种自适应深度图像空洞填充与优化算法。该算法减少了输入参数,实现了对每个深度缺失值的修复,根据有效像素占比确定每个空洞像素点的滤波邻域范围,通过邻域大小计算空间距离权重项参数,引入结构相似度(SSIM)作为颜色相似权重项参数的计算指标。在Middlebury立体匹配数据集和经过配准的Kinect RGB-D数据集上检测所提算法的性能,并与其他方法进行定性比较和定量分析。实验结果表明,所提算法能够有效填充深度缺失空洞,抑制深度图像噪声,更加精细、准确地改善深度图像的质量。

针对利用彩色图像进行车辆检测时会受到路面阴影、车辆反光和光线不足等复杂情况影响的问题,提出一种基于卷积神经网络并融合彩色与深度图像的车辆检测算法。设计单通道RG-D融合网络和双通道RGB-D融合网络两种改进模型,分别用于提高检测速度和准确度。实验使用GTA(Grand Theft Auto)车辆数据集对该算法进行测试,并与基于RGB图像的其他流行算法进行对比和分析,结果表明:与基于彩色图像的Yolo v2算法相比,利用双通道RGB-D融合网络检测的准确率和召回率分别提升5.69%和6.31%,利用单通道RG-D融合网络对单一图像的最快检测速度达到24 ms。实验证明,基于RGB-D图像的改进网络模型能够实现实时检测,并有效提高车辆检测精度。