上海理工大学 光电信息与计算机工程学院, 上海 200093
针对大气湍流环境下光学元件平面面形PV值测量这一问题。首先建立了一种大气湍流下斐索干涉仪的模型,通过该模型得到1000张干涉条纹图像; 然后提出了一种基于卷积神经网络估算PV值的方法,将干涉条纹图像作为卷积神经网络的输入,利用卷积神经网络提取图像的特征信息,得到PV值; 最后将得到的结果与ASTM计算得到的结果、相位解包裹得到的结果以及BP神经网络得到的结果进行对比,发现利用卷积神经网络的方法偏差为2.25×10-4λ,较ASTM、相位解包裹以及BP神经网络得到的结果偏差更小。实验结果表明此方法具有抗干扰性强、精度高、运算快的优点,是一种有效的抗大气湍流影响的光学检测方法。
大气湍流 平面面形测量 卷积神经网络 斐索干涉仪 atmospheric turbulence plane measurement convolutional neural network Fizeau interferomete
1 中国科学院 安徽光学精密机械研究所 中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
2 合肥学院, 安徽 合肥 230601
3 安徽大学 物质科学与信息技术研究院 安徽省信息材料与智能感知实验室, 安徽 合肥 230601
4 中国科学技术大学 环境科学与光电技术学院, 安徽 合肥 230026
静态散射光蕴含颗粒尺寸的特征信息, 因此静态光散射法是快速测量水体悬浮物粒度的有效手段。然而由于颗粒侧向和后向散射光微弱, 不易探测; 前向散射受艾里斑影响, 存在测量盲区, 导致静态光散射法的小颗粒粒度测量精度不足。提出水体小粒径悬浮物粒度低位异面扫描光散射测量方法, 以光电倍增管为探测器, 采用多角度连续扫描方式探测颗粒的光散射信息: 通过缩短探测器到样品池距离, 提高相同角分辨率下的散射光强度, 提升侧向和后向散射光探测灵敏度; 将探测器偏离激发光轴, 避开艾里斑盲区, 在不改变前角小角度测量精度条件下, 实现前向大角度散射光探测。在此基础上, 结合米散射模型, 实现小粒径悬浮物粒度测量。不同粒度样品实验表明, 方法能准确测量350nm至2μm范围内颗粒的粒度, 2μm、1.5μm、500nm和350nm标物D50的测量相对误差均不超过5.61%, 均低于标物不确定度的相对误差, 且优于实验室内激光粒度仪的测量结果。
光学测量 小粒径 悬浮颗粒物 粒度测量 静态光 低位异面测量 optical measurement small particle size suspended particulate matter particle size measurement static light low position out-of-plane measurement
北京航空航天大学机器人研究所, 北京 100191
针对单目大视场平面测量时,测量平面内不便布置靶标和大尺寸靶标难以制作的问题,提出一种利用布设在平行面上的小尺寸平面靶标进行标定的方法。选定一个平行面为标定平面,将单个小尺寸平面靶标合理放置在标定平面的多个位置拍摄,整合构造出一个大尺寸平面靶标,采用非线性优化的方法进行摄像机内、外参的优化求解。结合平行约束和距离参数得到测量平面与图像平面的单应矩阵,实现大视场平面测量。建立平面测量的精度模型,对测量区域各处精度的分布以及影响测量精度的摄像机内参、安装角度和高度等因素进行理论分析和实验验证。实验结果表明:该方法可有效保证整体测量精度;在上底920 mm、下底1360 mm、高920 mm的梯形视场内标定,距标定平面200 mm的测量平面内的测量误差低于0.6%;测量区域内各处误差的分布趋势与精度模型一致。此方法完全适用于大视场平面测量。
机器视觉 大视场平面测量 平行面标定 精度分析 非线性优化 光学学报
2017, 37(10): 1015001