用于大视场目标定位的复眼系统标定

探讨了设计的大视场复眼定位系统的结构特点、定位数学模型、三维目标阵列、标定方法和定位特点.介绍了复眼结构和系统装置,建立了目标定位和多通道同时标定的数学模型.通过引入分光器,调整目标平面水平移动轴和目标平面的垂直性以及目标平面和复眼平面之间的平行性.然后,使用消逝点和目标共像点求得初始点和初始距离,得到目标平面上每一点的空间三维坐标.最后,求出目标阵列与对应通道的入射角度,提取出对应的目标像点重心,建立了各通道入射角度和像点重心之间的对应关系.实验结果显示,初步标定后的系统能对横向110°、纵向90°视场范围内的目标进行定位,距离定位精度在2％以内.提出的方案基本能满足复眼成像非线性标定的要求,具有一定的操作灵活性.     

人工复眼的研究进展

复眼是自然界中常见的一种视觉器官,常见于节肢动物中,其有着极高的视场角、低像差、低失真、高时间分辨率、高空间分辨率和无限景深等优点,近些年受到较大的关注.概述了最新的复眼制作工艺和成像系统,介绍了常用的制作复眼透镜的工艺技术,同时还介绍了复眼透镜的成像系统.最后,对人工复眼系统的研究进行了展望.     

仿生复眼接收系统设计与实验

以生物视觉成像和目标识别为研究背景,深入研究了光学复眼的结构与拼接以及基于光纤耦合的光信号接收成像技术,并设计了一种可应用于凝视激光雷达的新型光学复眼接收系统.通过模仿昆虫复眼结构形式,该系统由16个透镜阵列构成,全视场角为2°.利用Zemax软件完成了光学系统设计,结合光纤耦合技术接收光信号,对复眼探测结果进行了实验...     

对重叠复眼进行简化模拟与分析的新方法

提出了一种对重叠复眼进行简化模拟与分析的新方法。通过对同一个小眼追迹多束相互倾斜的光线来分析不同小眼对感杆束上光强分布的影响,避免了在建模过程中大量计算各个小眼的三维坐标,大大简化整个建模过程。文中利用这种方法在ZEMAX软件中进行了实例模拟,对同一个小眼追迹6束光线,相对应探测器上得到的归一化光强分别为0．7823、0．7847、0．7733、0．4805、0．1095、0．00193,分析结果证明这种方法能够对重叠型复眼进行准确的模拟与分析。     

一种对重叠复眼进行简化模拟与分析的新方法

重叠复眼的结构复杂,对其进行模拟与分析十分困难。这直接影响了人工重叠复眼的设计与发展。本文提出了一种对重叠复眼进行简化模拟与分析新的方法,通过对同一个小眼追迹多束相互倾斜的光线来分析不同小眼对感杆束上光强分布的影响,这样避免了在建模过程中大量计算各个小眼的三维坐标,使整个建模过程大大简化。文中利用这种方法在ZEMAX软件中进行了实例模拟,分析结果证明这种方法能够对重叠型复眼进行准确的模拟与分析。     

基于超精密复眼加工的光场成像研究

复眼透镜是光场成像系统中的关键光学元件。提出一种针对复眼透镜的新型设计加工方法:该设计方法可根据不同的相机参数,优化复眼透镜的设计参数,提高成像质量;该加工方法主要包含超精密车削加工和模压注塑两道工艺,并对车削加工工艺进行了改良。在光场相机的基础上,对光场成像中合成孔径以及数字重聚焦等关键问题进行了深入探讨。试验结果表明,设计加工的复眼透镜阵列具有较高的精度和较好的一致性,可有效实现光场成像的核心功能。     

曲面复眼成像系统的研究

研究了两种曲面复眼成像系统,并首次将曲面场镜阵列引入曲面复眼成像系统,使其边缘视场的成像质量进一步提高,视场角进一步加大。进行了成像系统的建模以及光线追迹,两种结构的视场角分别达到60°和88°,整个系统的体积分别为0.9 mm×0.9 mm×0.5 mm和0.9 mm×0.9 mm×0.75 mm。文中给出了用激光直写设备在曲面基底上进行光刻来制作曲面微透镜阵列的方法。     

仿复眼视觉系统的研究进展

复眼是昆虫重要的光感受器,由成千上万的小眼构成,具有大视野的动目标快速检测能力。仿复眼的多孔径系统在机器人视觉导航、大视角测量和全景成像等领域应用广泛。首先介绍了复眼的生物机理、成像特性及现有的大视场成像系统;其次介绍了微透镜阵列的仿复眼光学设计现状,分析了微透镜阵列的大视角与多景深的全景成像质量,指出目前曲面微透镜一体化制造存在的成像缺陷;最后提出结合曲面与平面微透镜阵列实现大视角、多景深分辨率的仿复眼系统的可行性。该成像系统不仅可以实现全景范围内的清晰成像,而且还具有全景范围内的目标位置估计能力。     

基于视场分割的仿生复眼系统设计方法

针对传统大视场成像设备难以兼顾高分辨率和实时性的问题,通过模仿昆虫曲面多目复眼结构,提出一种基于多相机阵列的球面复眼设备设计方法.该方法利用相机原始矩形视场对预定视场进行分割,根据矩形视场存在水平、垂直 ２ 个视场角的特点,通过对球壳纬度层和经度层 ２ 个方向的分割,在无缝分割的前提下,最大限度地降低相邻相机间的重叠区域,提高相机的利用效率,降低系统复杂度.基于该设计方法,采用水平视场角、垂直视场角及分辨率为 ２００ 万的 ７ 个完全相同的相机制作了一款 ２ 层的仿生复眼,并利用该设备实现了视角为 ７９．５° ,分辨率为 １２００ 万的全景成像,证明了该设计方法的有效性.     

大视场并列型仿生复眼光学系统

为了实现大视场微型仿生复眼系统的增材制造,对仿生复眼的成像原理、微透镜阵列与中继系统的设计以及复眼系统的机械结构进行了研究。根据仿生复眼的光学原理设计出单个微透镜,并完成微透镜阵列。通过设计中继系统,使曲面阵列所成的曲面像转换成平面像,从而被平面探测所接收。将微透镜阵列与中继系统组合并对其进行优化。为了满足复眼系统3D增材制造工艺,对其机械结构进行设计。整个复眼系由3481个紧密拼接的正六边形微透镜组成,每个微透镜的视场为4°,通光口径为110μm,整个复眼的视场为123.7°。在120 lp/mm处,复眼各视场的MTF值均大于0.3,各视场点列图的RMS半径均小于艾里斑半径。该系统成像质量良好,公差分析结果表明其像质满足成像要求,满足增材制备工艺需求。     

基于视场拼接方法的仿生复眼光学系统设计

为解决传统单孔径光学系统存在的大视场与高分辨率之间的矛盾,利用复眼大视场、高分辨率的特点,将大孔径仿生复眼成像技术应用于目标定位系统,并克服了子眼孔径小、视距短的缺陷。首先,通过系统地研究相邻子系统视场间的关系,分析了子系统视场分布形式与总视场角的关系。然后,依据入射窗与出射窗的物象共轭关系,提出了子眼视场拼接的几何模型,并推导了子眼视场拼接与子眼系统参数之间的数学关系。最后,利用该方法设计的31组元仿生复眼成像系统全视场可达53.9°,系统最高角分辨率为0.006°,最低角分辨率为0.017°。13组元样机的仿真与实验结果表明:图像采集与视场重合结果与仿真数据一致,验证了该视场拼接方法理论及31组元仿生复眼成像系统设计的正确性。对视场拼接方法的研究解决了大孔径仿生复眼光学系统中子眼视场分配与布局的问题,为大孔径仿生复眼中子眼系统的设计与结构布局提供了理论依据。     

基于微端面光纤面板的多孔径视场重叠复眼的视场模型

介绍了多孔径视场重叠的仿生复眼成像系统的性能,建立了基于微端面光纤面板的多孔径视场部分重叠型复眼的成像视场模型。系统地分析了选用的器件参数如顶面、侧面和角面子复眼间的视场角、视场重叠率、视场重叠距离等参数对系统性能的影响,并通过实验系统的复眼视场以及视场重叠率的测量验证了模型的有效性。实验测试显示:本文建立的视场模型与测试结果具有很好的一致性,系统侧面与角面视场的实测值与理论值的误差分别为3.58%和12%;顶面与侧面和角面的视场重叠率误差分别为3.33%和5.17%。该复眼成像视场模型为进一步研究复眼成像的目标探测和跟踪理论奠定了基础,对多孔径视场重叠仿生复眼成像系统的优化设计具有指导作用。     

组合模型信息的人工神经网络集成

提出组合模型的概念和用人工神经网络建立组合模型的方法。通过模拟信号和工程实际信号模型的建模实例说明,用人工神经网络建立组合模型是可行的,而且建立的人工神经网络组合模型使用方便,在工程实际中有更好的工作特性。     

Vehicle detection based on visual saliency and deep sparse convolution hierarchical model

Traditional vehicle detection algorithms use traverse search based vehicle candidate generation and hand crafted based classifier training for vehicle candidate verification. These types of methods generally have high processing times and low vehicle detection performance. To address this issue, a visual saliency and deep sparse convolution hierarchical model based vehicle detection algorithm is proposed. A visual saliency calculation is firstly used to generate a small vehicle candidate area. The vehicle candidate sub images are then loaded into a sparse deep convolution hierarchical model with an SVM-based classifier to perform the final detection. The experimental results demonstrate that the proposed method is with 94.81% correct rate and 0.78% false detection rate on the existing datasets and the real road pictures captured by our group, which outperforms the existing state-of-the-art algorithms. More importantly, high discriminative multi-scale features are generated by deep sparse convolution network which has broad application prospects in target recognition in the field of intelligent vehicle.     

基于U-net网络的细胞核检测方法

为节省时间和研究人员的精力,采用计算机辅助对细胞或细胞核进行检测.利用卷积神经网络的U-net衍生网络并结合图像处理过程开展对细胞核的检测.研究结果表明,该检测方法的检测精确度为0.82,召回率为0.83,F指标为0.83,具有较好的识别和分割效果.