朱泉锦 1,2,3,4马浩统 1,2,3,4陈炳旭 1,2,3邢英琪 1,2,3[ ... ]谭毅 1,2,3,4
1 中国科学院光场调控科学技术全国重点实验室，四川 成都 610209
2 中国科学院光束控制重点实验室，四川 成都 610209
3 中国科学院光电技术研究所，四川 成都 610209
4 中国科学院大学，北京 100049
双自由曲面光束整形系统可在不改变光束相位分布的情况下实现光束空间光强分布的按需调控，然而其需要设置虚拟平面来进行双自由曲面面形的求解。研究发现，传统单一虚拟面法在应用于结构紧凑和扩束倍率较大的系统时，存在设计不精准、整形效果差等缺陷，为此，提出了一种基于虚拟面迭代策略的双自由曲面光束整形系统设计方法。基于不同参数的同轴透射式和离轴反射式光束整形系统的数值仿真研究结果，表明该方法可有效规避传统虚拟面法的局限性。以将束腰半径为5 mm的高斯光束整形为半径30 mm的准直平顶光束的透射式双自由曲面光束整形系统为例，虚拟面迭代法所设计的光束整形系统将光强分布均匀性和能量利用率相对于单一虚拟面法而言分别提升了2.93%和8.93%。
高斯光束整形 虚拟面迭代法 自由曲面 不重合度 辐照度均匀度 能量利用率 gaussian beam shaping virtual surface iteration method free-from surface misalignment irradiance uniformity energy efficiency 红外与激光工程
2024, 53(2): 20230587
1 西安工业大学光电工程学院，陕西 西安 710021
2 电磁空间安全全国重点实验室，天津 300308
在多平面全息图的设计过程中，为了减小各平面之间的相互串扰，本文提出了一种改进的加权迭代多平面全息图生成方法，使用权值约束来减少各平面之间的相互影响，从而提高多平面全息显示的质量。通过对全息图的约束控制，可以使各平面的目标强度分布更均匀，并且在不降低计算速度的前提下，该方法相比于未进行约束控制时相当或具有更高的重建质量。为了验证结果，使用了相同和不同的目标图像，对6个离散平面的多平面全息图进行了数值模拟与实验验证。本文为高质量的多平面全息显示提供了一种新方法。
计算全息 多平面全息 三维显示 加权迭代 全息显示 光学学报
2023, 43(23): 2309001
山东科技大学海洋科学与工程学院，山东 青岛 266590
激光雷达的光路设计会直接影响回波信号在透射或反射过程中的衰减情况，进而影响雷达的性能。为了提高激光雷达光路整体结构的紧凑性，减小重量并保证刚度与强度，在设计过程中对激光雷达光路结构进行拓扑参数优化设计。通过定义激光发射模块和光学接收模块的设计域、设计载荷、约束和边界条件，采用固体各向同性材料惩罚（SIMP）插值法建立模型，求解分析光路结构函数和灵敏度，使用序列二次规划（SQP）优化算法进行光路设计变量的迭代更新，从而提高光路整体结构的稳定性，达到性能优化、结构紧凑的目标。
光学设计 激光雷达 光路结构 拓扑优化 固体各向同性材料惩罚模型 迭代 中国激光
2023, 50(19): 1910002
红外与激光工程
2023, 52(7): 20230299
1 中国科学院 长春光学精密机械与物理研究所 航空光学成像与测量重点实验室,吉林 长春 130033
2 中国科学院大学, 北京 100049
3 空军装备部驻长春地区军事代表室, 吉林 长春 130033
在大倾角航空相机对地面目标定位过程中，借助数字高程模型（DEM）可有效解决地球椭球模型定位存在的大地高误差影响。为获取地面坐标的准确信息特别是高程信息，首先，根据载机的位置姿态信息以及航空相机的框架角等信息利用齐次坐标变换求解出成像系统视轴在地理坐标系下的指向，再利用数字高程模型确定目标点的坐标。针对成像过程中目标点高程计算繁琐、容易不迭代等问题，提出了一种对目标高程值进行快速迭代的方法。通过对目标区域高程进行折半查找处理，计算该处视轴光线高程与地面高程差值。继续计算该高程差中值并继续迭代，直到小于一定阈值。最后使用蒙特卡洛分析法对整个成像过程存在的误差项进行分析。实验结果表明：采用快速迭代法进行计算，当收敛阈值为十分之一DEM网格精度时，迭代效率提升45.5%，收敛速度大大提高；且通过数字高程模型计算，在飞行高度为15409 m，相机框架角大于74°时，对于山地区域目标的圆概率误差小于200 m，可以满足实际工程需要。
航空相机 对地目标定位 数字高程模型 快速迭代法 误差分析 aerial camera ground target localization digital elevation model fast iteration method the error analysis
1 吉林大学 电子科学与工程学院 集成光电子学国家重点联合实验室吉林大学实验区，长春 130012
2 吉林省红外气体传感技术工程研究中心，长春 130012
由于红外热释电探测器在低温环境下易发生温度漂移，导致非分散红外（NDIR）二氧化碳（CO2）农业火灾检测仪受低温影响较大。针对上述问题，本文设计了一种应用于-40 ℃低温环境的探测器温度控制系统。给出了NDIR农业火灾检测仪的原理，探究了热释电探测器温度漂移现象，在此基础上，设计了以STM32F103为核心的温度控制系统。将温度控制系统集成于火灾检测仪中，在-40 ℃环境温度下，将探测器温度从20 ℃起始温度控温，稳定在21 ℃的响应时间为16 s，温度波动的1σ值为0.012 6 ℃，响应时间和稳定性均满足低温环境下的控温需求。在控温条件下，对传感器进行了标定，将气体标定实验得到的吸收通道与参考通道电压信号的一次谐波幅值比和标准气体浓度值进行指数拟合，拟合优度达到了99.852%。利用纯氮气（N2）样品，对检测仪进行了25 min的稳定性测试，测得的浓度波动范围为-28.128 76×10-6~27.240 5×10-6。引入Allan方差进行评估，当积分时间为0.25 s时，检测下限为1.213 01×10-6；当积分时间为114.75 s时，理论上系统的检测下限可达到4.822 5×10-7。实验结果表明，该温度控制系统可以保证火灾检测仪在低温环境下的正常工作。
火灾检测 气体吸收 温度控制 BUCK电路 牛顿迭代法 增量式PID Fire detection Gas absorption Temperature control Buck circuit Newton iteration method Incremental PID
1 咸阳师范学院物理与电子工程学院，陕西 咸阳 712000
2 西北工业大学自动化学院，陕西 西安 710072
3 西安建筑科技大学机电工程学院，陕西 西安 710055
为解决激光雷达目标点云配准技术中精确配准步骤中所存在的匹配速度慢和匹配误差大的问题，提出了一种基于邻域曲率改进的迭代最近点（ICP）精准化匹配算法。初始配准采用传统的主成分贴合法，给精确配准找到一个较好的初始位置，精配准采用基于领域曲率改进的ICP算法。以斯坦福兔子和场景点云作为实验研究对象，配准结果和数值分析共同表明，基于邻域曲率改进的ICP算法在点云配准中的可行性，且与其他算法相比，所提算法的配准速度更快、匹配精度更高，为三维数据重建和目标识别技术提供一种更高效的新方法。
遥感 激光雷达 邻域曲率 精确配准 迭代最近点算法 点云数据重建 激光与光电子学进展
2023, 60(2): 0228008
1 北京建筑大学测绘与城市空间信息学院，北京 100044
2 代表性建筑与古建筑数据库教育部工程研究中心，北京 100044
3 中国文物信息咨询中心，北京 100029
4 黑龙江测绘计量仪器检定站，黑龙江 哈尔滨 150081
5 北京市测绘设计研究院，北京 100038
针对激光扫描和摄影测量点云非同源数据自动配准困难的问题，提出一种基于快速点特征直方图（FPFH）点云粗配准与八叉树格网迭代改进最近邻点（ICP）算法相结合的方法。在粗配准中，首先采用体素格网对点云数据进行降采样处理，然后使用FPFH进行特征匹配，最后采用采样一致性初始配准（SAC-IA）算法获取初始配准变换矩阵。在精配准中，以经典的ICP算法为基础，首先通过设置欧氏距离阈值剔除错误的对应点，然后在每个体素格网中选取精度最高的同名点对，使用奇异值分解（SVD）法计算最终配准变换矩阵。实验结果表明，所提方法可以解决激光扫描点云和摄影测量点云非同源数据的配准问题，具有一定的研究和应用价值。
机器视觉 点云配准 扫描点云 影像点云 格网 迭代最近点 激光与光电子学进展
2022, 59(24): 2415007
1 广东省科学院广州地理研究所，广东 广州 510070
2 广东工业大学土木与交通工程学院，广东 广州 510006
3 南方海洋科学与工程广东省实验室（广州），广东 广州 511458
胶囊网络（CapsNet）是一种新型的神经网络，已被广泛应用于高光谱遥感分类。针对胶囊网络所面临的过拟合和梯度消失等问题，提出一种基于多尺度自适应胶囊网络（MSCaps）的高光谱遥感分类方法。利用多尺度（不同尺寸的输入图像）的卷积层来提取地物的空间特征与光谱特征，并采用一种非迭代自适应路由算法进一步改进CapsNet的结构，避免了耦合系数的稀疏化引起的过拟合问题。利用PU和SA两个公共高光谱数据集从总体分类精度（OA）和模型训练效率两方面评价了MSCaps的分类性能。在分类精度上，利用MSCaps与支持向量机（SVM）、随机森林（RF）、深度卷积神经网络（CNN）、CapsNet、多尺度的胶囊网络（MCaps）、基于非迭代自适应路由算法的胶囊网络（ARWI-Caps）、多尺度的卷积神经网络（MSCNN）对原始影像的OA进行对比；还与SVM、RF对经主成分分析（PCA）特征提取后的影像的OA进行对比，其中两种分类方法分别简称为PCA-SVM与PCA-RF。在训练效率上，对MSCaps的训练时间和CNN、CapsNet、MSCNN的训练时间进行对比。实验结果表明：MSCaps对PU和SA数据集的OA分别为99.14%和95.38%，分类精度均高于SVM、RF、PCA-SVM、PCA-RF、CNN、CapsNet、MCaps、ARWI-Caps及MSCNN；在模型训练效率方面，MSCaps在PU和SA两种数据集上的耗时分别约为CapsNet的1/3与1/4，训练效率较CapsNet有大幅提高。因此，所提MSCaps可以有效解决基于CapsNet的高光谱遥感分类问题。
高光谱遥感 胶囊网络 非迭代自适应路由算法 深度学习 遥感分类 激光与光电子学进展
2022, 59(24): 2428004
