1 中国科学院自适应光学重点实验室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学电子电气与通信工程学院，北京 100049
自适应光学（AO）技术是一种能够补偿大气湍流的有效手段，但由于存在系统固有时延，变形镜（DM）上的补偿波前滞后于实测畸变波前，导致AO技术对高时间频率大气湍流的校正效果明显下降。因此，开展大气湍流前向预测研究对于抵消AO系统固有时延、提升系统校正带宽具有重要的研究意义和应用价值。本文提出了一种基于注意力机制的AO波前时空预测网络，该网络同时考虑了大气湍流的时间与空间特征，可通过连续6帧先验波前斜率信息预测未来第2帧的波前斜率。在具有两帧延迟的AO系统仿真中，所提预测网络使得波前校正残差均方根（RMS）下降了约40%，并且在不同的大气湍流强度下均表现出稳定的预测精度，预测残差RMS仅为真实畸变波前RMS的5.00%。最后使用1 km激光大气传输系统采集的实验数据进行了测试，验证了开环斜率预测网络的有效性。
自适应光学 时延误差 注意力机制 波前预测
Author Affiliations
Abstract
1 Key Laboratory on Adaptive Optics, Chinese Academy of Sciences, Chengdu 610209, China
2 Institute of Optics and Electronics, Chinese Academy of Sciences, Chengdu 610209, China
3 School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China
A real-time wavefront sensing method for arbitrary targets is proposed, which provides an effective way for diversified wavefront sensing application scenarios. By using a distorted grating, the positive and negative defocus images are simultaneously acquired on a single detector. A fine feature, which is independent of the target itself but corresponding to the wavefront aberration, is defined. A lightweight and efficient network combined with an attention mechanism (AM-EffNet) is proposed to establish an accurate mapping between the features and the incident wavefronts. Comparison results show that the proposed method has superior performance compared to other methods and can achieve high-accuracy wavefront sensing in varied target scenes only by using the point target dataset to train the network well.
wavefront sensing distorted grating fine feature Chinese Optics Letters
2023, 21(6): 060101
马帅 1,2,3,*王宁 1,2,3朱里程 1,2王帅 1,2,3[ ... ]许冰 1,2,3
1 中国科学院自适应光学重点实验室，四川 成都 610209
2 中国科学院光电技术研究所，四川 成都 610209
3 中国科学院大学，北京 100049
光场成像能同时记录光线的强度信息与方向信息且具备估计场景深度的能力。然而，深度估计的精度却容易受光场遮挡的影响。因此，本文提出一种边框加权角相关的深度估计方法来解决该问题。首先，该方法将光场角度域图像分成四个边框子集并分别度量这些子集中像素的相关性来构建四个代价体积，以此解决不同类型的遮挡。其次，该方法提出加权融合策略来融合四个代价体积，进一步增强算法的鲁棒性，同时保留算法的抗遮挡能力。最后，融合后的代价体积利用引导滤波对其进行优化，以提升深度估计的精度。实验结果表明，提出的方法在量化指标上优于现有的方法。同时，在绝对深度测量实验中，提出的方法能实现高精度的测量。
边框角相关 加权融合 光场成像 深度估计 side window angular coherence weighted fusion light field imaging depth estimation 伍俊龙 1,2,3郭正华 1,2,3陈先锋 1,2,3马帅 1,2,3[ ... ]杨平 1,3,*
1 中国科学院自适应光学重点实验室, 四川 成都 610209
2 中国科学院光电技术研究所, 四川 成都 610209
3 中国科学院大学, 北京 100049
为了解决光场相机应用于三维测量时,在弱纹理区域和精细结构区域难以获得准确视差估计结果问题,提出了基于深度学习技术对光场深度估计进行建模,并建立了光场视差与真实深度之间的转换关系。将所提方法应用于多种复杂场景中,实验结果均表明:该方法可以准确获取弱纹理区域和精细结构区域的视差信息,较好地复原场景的三维结构,视差估计处理时间压缩到1s量级,相比传统的基于代价优化的方法,降低了1~2个数量级。
测量 三维测量 光场成像 深度估计 深度学习 中国激光
2020, 47(12): 1204005
赵璐佳 1,2,3朱里程 1,2,3文良华 1,2,4,**杨平 1,2胡诗杰 1,2,*
1 中国科学院自适应光学重点实验室, 四川 成都 610200
2 中国科学院光电技术研究所, 四川 成都 610200
3 中国科学院大学, 北京 100049
4 宜宾学院物理与电子工程学院, 四川 宜宾 644000
为了实现大口径拼接薄膜镜失调误差在线校正,建立了由5块子镜组成的菲涅耳波带片拼接成像模型,分析了光学系统的点扩展函数(PSF)和调制传递函数(MTF)与失调误差的关系,并采用随机并行梯度下降算法(SPGD)对失调误差进行在线校正仿真。为了验证所提算法的性能,选取远场光强平方和、远场光斑等效半径、桶中功率、MTF积分和光强二阶矩5个性能评价函数作为优化指标,对失调误差进行盲优化校正,并比较了上述评价指标的收敛速度和精度。100组随机误差的校正结果表明上述指标均能收敛,优化后的波前残差方均根(RMS)均小于0.13λ,斯特列尔比(SR)均大于0.96,其中MTF积分和光强二阶矩指标的收敛速度最快,远场光斑等效半径指标的精度最优。
薄膜 拼接镜 拼接失调误差 随机并行梯度下降算法 优化指标 激光与光电子学进展
2020, 57(19): 193101
