基于CCD的视度和视差测试系统研究

传统的光学系统对于视度及视差的测量通常采用平行光管视差仪或视度筒,其测量结果受人为主观因素影响较大.为满足望远系统测量视度及视差的精度要求;采用高分辨率CCD作为测量器件,经自动对焦和图像处理,由计算机直接给出测量结果,消除了人为因素影响,提高了测量准确度,操作简易.论述并推导了视度及视差的测试原理及计算公式,并对测试系统进行了误差分析.     

曲臂轴线平行度误差激光扫描测量方法

基于激光扫描检测技术和光栅位移检测技术 ,提出了一种用于曲臂轴线平行度误差非接触检测的激光扫描测量方法和激光扫描式平行度误差光电检测系统 ,本文论述了系统的组成和总体结构 ,对曲臂轴线平行度测量方法、系统测量原理进行了理论分析 ,并通过实验对检测系统的精度进行验证。结果表明该测量方法切实可行 ,系统测量精度优于 0 0 5mm ,重复性测量精度优于± 0 0 1mm。     

光学瞄具三轴一致性检测系统研究

针对光学瞄具三轴一致性参数对其性能产生的影响,设计一套采用离轴抛物镜、两块分光镜及高精度CCD相机等关键技术,实现光学瞄具白光瞄准轴、红外瞄准轴、激光发射轴三轴一致性检测的系统。分析系统成像光路,建立了三轴一致性的数学计算模型,对检测方法中误差因素进行测量、分析,最后采用精度为0.5″的自准直经纬仪对检测系统进行标定,实验结果表明,检测系统测量误差〈3″。     

激光瞄具多轴一致性检测系统研究

激光瞄具是集激光测距、激光制导照射等多光轴为一体的光电系统,在现代武器装备平台上得到了广泛应用。多光轴系统在设计、制造与应用的过程中,各光轴之间的平行性对整个系统的性能和精度都有直接的影响。因此,必须对激光瞄具的多轴平行性进行检测,以提高激光瞄具的精度,从而提高武器的命中率。本文介绍了常规的光轴一致性检测方法,并结合实际的检测精度与要求,设计了一种离轴抛物型的数字化检测系统。通过对系统总体精度进行分析,基本能满足平行度误差为0.05mrad的要求。     

枪用激光指示器多参数检测系统校正方法

针对某型激光指示器多参数检测系统的校正,提出了一种基于自准直原理,同时辅助前置镜、高精度光电经纬仪和激光指示器等设备完成整套系统的校正方法,并对校正后的系统进行了精度标定实验,实验结果表明,校正后的检测系统测量精度可达0.1%,远高于该型产品的检测精度要求。     

印刷电路板检测系统光学设计

设计一种广泛应用于印刷电路板(PCB)自动检测装置的光学系统,能兼顾系统的测试效率及检测精度,而且通过改变系统的放大倍率,满足不同型号的PCB板的测试要求.通过线阵CCD推扫式测量,提高系统的分辨率,扩大视场.设计结果表明,该镜头处于不同组态时,其MTF在奈奎斯特频率处均大于0.3,畸变值均小于0.1%.系统满足高分辨率小畸变的要求.     

基于CCD的光学系统焦距自动测量技术

传统的测量方法测量焦距需要拆卸光学系统,然后由测量人员在光具座上逐项进行现测、记录、数据分析和计算结果等一系列工作,存在着效率低、精度不稳定、对测量人员要求高等缺点.高灵敏度低噪声CCD器件的应用和数字图像处理技术的发展,使光学系统焦距数字化测量成为可能.提出了一种基于CCD光电法和数字图像处理方法自动测量光学系统焦距的新方法.该方法可实现客观数字化测量.因此可以消除传统的光学系统光学参数测量方法的效率低、精度不稳定、对测量人员要求高等缺点.使得测量准确度高、自动化程度高.     

天铁集团CIMS工程实施方案综述

天铁集团CIMS工程开发和应用了多系统多网络之间的集成平台,采用了先进的ERP MES PCS三层架构,整合了体系架构统一的信息系统,打破数据孤岛,实现高度数据共享。     

非接触激光圆度仪的研制

本文介绍一种非接触式检测大型回体转体件圆度误差的激光度仪工作原理及总体构成、并通过实验予以验证。该仪器采用激光猜疑扫描原理和光电传感技术,通过电子学单片机技术进行误差分离及数据处理,从而实现圆度误差测量。     

基于自适应组合核的鲁棒视频目标跟踪算法

为了解决核化相关滤波器（KCF）在复杂场景下鲁棒性差的问题,提出了基于自适应组合核（SACK）的目标跟踪算法。跟踪任务分为位置跟踪和尺度跟踪两个独立部分。首先,以线性核和高斯核的自适应组合作为核跟踪滤波器,构造了SACK权重的风险目标函数。该函数根据核的响应值自适应调整线性核和高斯核权重,不仅考虑了不同核响应输出的经验风险泛函最小,而且考虑了极大响应值的风险泛函,同时具有局部核和全局核的优点。然后,根据该滤波器的输出响应得到目标精确位置,设计了基于目标极大响应值的自适应更新率,针对位置跟踪滤波器进行自适应更新。最后,利用尺度跟踪器对目标尺度进行估计。实验结果表明,所提算法的成功率和距离精度在OTB-50数据库表现最优,比KCF算法分别高6.8个百分点和4.1个百分点,比双向尺度估计跟踪（BSET）算法分别高2个百分点和3.2个百分点。该算法对形变和遮挡等复杂场景具有很强的适应能力。