1 广东工业大学 省部共建精密电子制造技术与装备国家重点实验室， 广东广州50006
2 广东工业大学 广东省微纳加工技术与装备重点实验室，广东广州510006
3 广东工业大学 广东省信息物理融合系统重点实验室，广东广州510006
为在微米级尺度量化表述离面位移激励值-聚焦面内微视觉运动追踪精度劣化值的映射特性，使用光学显微镜、工业相机和空间纳米定位平台进行实验研究。首先，分析离面位移的形成机理，使用方差函数评价图像清晰度，搜索最佳对焦平面并设定为聚焦平面，作为计算离面位移的基准。其次，设计空间多自由度纳米台，将其末端执行器作为微视觉追踪目标，生成聚焦平面内的运动轨迹，同时同步生成可控可测的离面位移。然后，选取灰度值模板匹配法与感兴趣区域划分法作为当前微视觉运动追踪算法，测量聚焦面内的运动轨迹。最后，加工纳米台样机，搭建微视觉运动追踪系统，使用电容传感器作为评价手段，计算不同离面位移引起的微视觉运动追踪精度劣化数值。实验结果表明，微视觉运动追踪精度随着离面位移的增大而不断劣化，具有显著且可量化的相关性。针对给定的76.1 μm×63.7 μm视场、15 Hz采样率与灰度值模板匹配法，（7.7±2.5） μm或更大的离面位移导致微视觉测量系统完全失效。
微视觉运动追踪 离面位移 精度劣化 纳米定位平台 micro-vision motion-tracking out-of-focused-plane displacements accuracy degradation nano-positioning stage
高精度的位移估计方法对提高超声弹性成像的质量非常重要。在本研究中，通过英伟达公司的 CUDA架构实现了一种新颖的可以同时提高轴向和横向运动估计精确度的位移估计方法在 GPU上的高效并行计算。对比于原始方法在 C Mex编译条件下的实现， GPU实现的方法显示最多可实现 76X的加速，同时保持了较高的位移估计精度。
超声弹性成像 运动追踪 子采样位移估计 图形处理器 ultrasound elastography motion tracking sub-sample displacement estimation GPU CUDA CUDA
