CN107976804B - 一种镜头光学系统的设计方法、装置、设备及存储介质 - Google Patents
一种镜头光学系统的设计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN107976804B CN107976804B CN201810068255.XA CN201810068255A CN107976804B CN 107976804 B CN107976804 B CN 107976804B CN 201810068255 A CN201810068255 A CN 201810068255A CN 107976804 B CN107976804 B CN 107976804B
- Authority
- CN
- China
- Prior art keywords
- optical system
- lens
- parameters
- lens optical
- design
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 266
- 238000013461 design Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013136 deep learning model Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims 2
- 238000009434 installation Methods 0.000 claims 2
- 230000000007 visual effect Effects 0.000 claims 2
- 230000007547 defect Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0012—Optical design, e.g. procedures, algorithms, optimisation routines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Lenses (AREA)
Abstract
本发明实施例公开了一种镜头光学系统的设计方法、装置、设备及计算机可读存储介质。其中，方法包括获取镜头光学系统的设计需求信息；根据设计需求信息计算得到镜头光学系统的系统参数和光学参数；将系统参数与光学参数输入预先构建的深度学习模型中；获取深度学习模型根据系统参数与光学参数输出的镜头光学系统结构信息；镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。本申请提供的技术方案缩短了镜头光学系统设计的时间，提升镜头光学系统的设计效率；降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
Description
技术领域
本发明实施例涉及摄影摄像设备技术领域，特别是涉及一种镜头光学系统的设计方法、装置、设备及计算机可读存储介质。
背景技术
随着光学技术的快速发展，光学镜头的应用越来越广，且用户对光学镜头的功能需求越来越多，不同镜头光学系统实现不同功能需求，例如长焦镜头、广角镜头等。
传统的光学镜头的设计，由光学设计人员根据用户功能需求(镜头光学系统的参数)计算得到镜头光学系统中各个透镜的位置、材料体系及透镜参数，以及计算整个镜头光学系统的相差，进行优化处理及像质评价等；在由机械设计人员根据光学设计需求，在光学设计系统中选取光学系统形式，根据光学设计人员计算得到的光学设计参数，计算并绘制镜头光学系统零部件图。
传统的光学设计需要依靠设计人员的经验，以及需要不同领域的设计人员进行相互配合完成，对于经验不足的设计人员，极易出现错误，导致整个光学设计系统设计出错需要进行重新设计，延长设计周期；且涉及两个领域的技术人员，在进行交接时涉及问题较多，设计更改困难，整个设计周期很长。
鉴于此，如何缩短镜头光学系统设计的时间，从而提升镜头光学系统的设计效率，是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种镜头光学系统的设计方法、装置、设备及计算机可读存储介质，缩短镜头光学系统设计的时间，提升镜头光学系统的设计效率。
为解决上述技术问题，本发明实施例提供以下技术方案：
本发明实施例一方面提供了一种镜头光学系统的设计方法，包括：
获取镜头光学系统的设计需求信息；
根据所述设计需求信息计算得到所述镜头光学系统的系统参数和光学参数；
将所述系统参数与所述光学参数输入预先构建的深度学习模型中；
获取所述深度学习模型根据所述系统参数与所述光学参数输出的镜头光学系统结构信息；
所述镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。
可选的，所述深度学习模型构建过程包括：
获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统信息；
根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型。
可选的，所述深度学习模型包括多个子模型，各子模型与设计需求信息相对应；
各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成。
可选的，还包括：
将所述镜头光学系统结构信息输入镜头光学设计软件中，以对所述镜头光学系统进行参数优化处理。
本发明实施例另一方面提供了一种镜头光学系统的设计装置，包括：
获取信息模块，用于获取镜头光学系统的设计需求信息；
参数计算模块，用于根据所述设计需求信息计算得到所述镜头光学系统的系统参数和光学参数；
调用模型模块，用于将所述系统参数与所述光学参数输入预先构建的深度学习模型中；
镜头设计模块，用于获取所述深度学习模型根据所述系统参数与所述光学参数输出的镜头光学系统结构信息；所述镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。
可选的，所述调用模型模块包括模型训练单元，所述模型训练单元为获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统信息；根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型的单元。
可选的，所述调用模型模块包括模型训练单元，所述模型训练单元为所述深度学习模型包括多个子模型，各子模型与设计需求信息相对应；各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成的单元。
可选的，还包括：
参数调优模块，用于将所述镜头光学系统结构信息输入镜头光学设计软件中，以对所述镜头光学系统进行参数优化处理。
本发明实施例还提供了一种镜头光学系统的设计设备，包括处理器和存储器，所述处理器用于执行存储器中存储的镜头光学系统的设计程序时实现如前任一项所述镜头光学系统的设计方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有镜头光学系统的设计，所述镜头光学系统的设计程序被处理器执行时实现如前任一项所述镜头光学系统的设计方法的步骤。
本发明实施例提供了一种镜头光学系统的设计方法，获取镜头光学系统的设计需求信息；根据设计需求信息计算得到镜头光学系统的系统参数和光学参数；将系统参数与光学参数输入预先构建的深度学习模型中；获取深度学习模型根据系统参数与光学参数输出的镜头光学系统结构信息；镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。
本申请提供的技术方案的优点在于，根据用户对镜头的功能需求信息计算得到镜头光学系统的系统参数和光学参数，通过提前训练好的深度学习模型，根据系统参数和光学参数得到镜头光学系统结构信息。大大的缩短了镜头光学系统设计周期，提高了镜头光学系统的设计效率，降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
此外，本发明实施例还针对镜头光学系统的设计方法提供了相应的实现装置、设备及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种镜头光学系统的设计方法的流程示意图；
图2为本发明实施例提供的另一种镜头光学系统的设计方法的流程示意图；
图3为本发明实施例提供的镜头光学系统的设计装置的一种具体实施方式结构图；
图4为本发明实施例提供的镜头光学系统的设计装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。
首先参见图1，图1为本发明实施例提供的一种图像块的识别方法的流程示意图，本发明实施例可包括以下内容：
S101：获取镜头光学系统的设计需求信息。
设计需求信息为根据用户的需求制定，可以直接输入，也可预先存储在系统中。
用户对镜头的需求，一般为根据拍摄场景的功能性需求，利用长焦镜头(视角在20度以内，焦距可达几十毫米或上百毫米)、广角镜头(广角镜头通常是指镜头焦距约在17至35毫米之间的镜头)、鱼眼镜头、折反镜头、变焦镜头以及一些特殊用途的镜头，例如位居镜头、柔焦镜头、透视调整镜头等等。
S102：根据设计需求信息计算得到镜头光学系统的系统参数和光学参数。
镜头的设计需求信息不同，镜头的系统参数和光学参数均不同，组成镜头的各个透镜的位置关系及透镜的参数也就不同。
镜头光学系统的系统参数例如镜头的尺寸、镜头材料、镜头的外形、镜头的安装方式等等参数。系统参数一般根据用户的需求和应用场景来确定，镜头光学系统的系统参数并不限于上述列举的参数，本领域技术人员可根据实际情况进行选取，本申请对此不做任何限定。
镜头光学系统的光学参数例如焦距、视角、分辨率、光圈、通光量、光阑系数等等。可根据设计需求信息，利用现有的光学参数的相关计算公式计算得到各个光学参数。
镜头光学系统的光学参数并不限于上述列举的参数，本领域技术人员可根据实际情况进行选取，本申请对此不做任何限定。
S103：将系统参数与光学参数输入预先构建的深度学习模型中。
深度学习模型构建过程可包括：
获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统信息；
根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型。
在一种具体的实施方式中，深度学习模型还可包括多个子模型，各子模型与设计需求信息相对应；
各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成。、需要说明的是，在进行模型训练过程中，可采用任何一种深度学习算法以及任何一种神经网络模型，具体的训练方法可参照现有技术中利用深度学习算法进行模型训练的实现过程，此处，不再赘述。
S104：获取深度学习模型根据系统参数与光学参数输出的镜头光学系统结构信息。
镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。
透镜的结构参数可包括透镜尺寸、透镜材料、材料折射率等等。透镜的光学参数可包括焦斑尺寸、透镜环带齿宽、材料折射率、透镜的环带总数、几何聚光比、离轴聚焦焦距、曲率半径等等。
当然，镜头光学系统结构信息包括但并不限于上述列举的各项，还可包括镜头光学系统中所有的参数，本领域技术人员可根据实际情况进行选取，本申请对此不做任何限定。
在本发明实施例提供的技术方案中，根据用户对镜头的功能需求信息计算得到镜头光学系统的系统参数和光学参数，通过提前训练好的深度学习模型，根据系统参数和光学参数得到镜头光学系统结构信息。大大的缩短了镜头光学系统设计周期，提高了镜头光学系统的设计效率，降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
由于在计算得到镜头光学系统的一些光学参数时，利用的相关公式默认镜头光学系统中的各个透镜皆为薄透镜，即不考虑透镜厚度对整个镜头成像效果的影响，此外，实际光学系统中，由非近轴光线追迹所得的结果和近轴光线追迹所得的结果不一致，光学系统还会出现像差、色散等现象，为了避免这些问题的产生，基于上述实施例，请参阅图2，还可包括：
S105：将镜头光学系统结构信息输入镜头光学设计软件中，以对镜头光学系统进行参数优化处理。
镜头光学设计软件可为任意一款第三方商业软件，只要针对实际光学系统和理论光学系统的不同，对理论镜头光学系统的参数进行修正即可，本申请对此不做任何限定。
利用第三方商业软件对深度学习模型输出的结构信息中的各参数进行优化处理，有利于进一步提升镜头光学系统设计的准确率，从而有利于摄像模组获得高清晰度的拍摄效果。
本发明实施例还针对镜头光学系统的设计方法提供了相应的实现装置，进一步使得所述方法更具有实用性。下面对本发明实施例提供的镜头光学系统的设计装置进行介绍，下文描述的镜头光学系统的设计装置与上文描述的镜头光学系统的设计方法可相互对应参照。
参见图3，图3为本发明实施例提供的镜头光学系统的设计装置在一种具体实施方式下的结构图，该装置可包括：
获取信息模块301，用于获取镜头光学系统的设计需求信息。
参数计算模块302，用于根据设计需求信息计算得到镜头光学系统的系统参数和光学参数。
调用模型模块303，用于将系统参数与光学参数输入预先构建的深度学习模型中。
镜头设计模块304，用于获取深度学习模型根据系统参数与光学参数输出的镜头光学系统结构信息；镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数。
在一种具体的实施方式中，所述调用模型模块303包括模型训练单元，所述模型训练单元为获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统信息；根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型的单元。
此外，在另外一种实施方式中，所述调用模型模块303包括模型训练单元，模型训练单元为深度学习模型包括多个子模型，各子模型与设计需求信息相对应；各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成的单元。
可选的，在本实施例的一些实施方式中，请参阅图4，所述装置例如还可以包括：
参数调优模块305，用于将镜头光学系统结构信息输入镜头光学设计软件中，以对镜头光学系统进行参数优化处理。
本发明实施例所述镜头光学系统的设计装置的各功能模块的功能可根据上述方法实施例中镜头光学系统的设计方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例根据用户对镜头的功能需求信息计算得到镜头光学系统的系统参数和光学参数，通过提前训练好的深度学习模型，根据系统参数和光学参数得到镜头光学系统结构信息。大大的缩短了镜头光学系统设计周期，提高了镜头光学系统的设计效率，降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
本发明实施例还提供了一种镜头光学系统的设计设备，具体可包括：
存储器，用于存储镜头光学系统的设计的计算机程序；
处理器，用于执行计算机程序以实现如上任意一实施例所述镜头光学系统的设计方法的步骤。
本发明实施例所述镜头光学系统的设计设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例缩短了镜头光学系统设计的时间，提升镜头光学系统的设计效率；降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
本发明实施例还提供了一种计算机可读存储介质，存储有镜头光学系统的设计程序，所述镜头光学系统的设计程序被处理器执行时如上任意一实施例所述镜头光学系统的设计方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例缩短了镜头光学系统设计的时间，提升镜头光学系统的设计效率；降低了镜头光学系统的设计难度，有效避免了由于人工经验不足而出错的弊端，有利于提升镜头光学系统设计的准确率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种镜头光学系统的设计方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种镜头光学系统的设计方法，其特征在于，包括：
获取镜头光学系统的设计需求信息；
根据所述设计需求信息计算得到所述镜头光学系统的系统参数和光学参数；所述镜头光学系统的系统参数包括镜头的尺寸、镜头材料、镜头的外形、镜头的安装方式；所述镜头光学系统的光学参数包括焦距、视角、分辨率、光圈、通光量、光阑系数；
将所述系统参数与所述光学参数输入预先构建的深度学习模型中；
获取所述深度学习模型根据所述系统参数与所述光学参数输出的镜头光学系统结构信息；
所述镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数；
所述深度学习模型构建过程包括：
获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统结构信息；
根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型。
2.根据权利要求1所述的镜头光学系统的设计方法，其特征在于，所述深度学习模型包括多个子模型，各子模型与设计需求信息相对应；
各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成。
3.根据权利要求1或2所述的镜头光学系统的设计方法，其特征在于，还包括：
将所述镜头光学系统结构信息输入镜头光学设计软件中，以对所述镜头光学系统进行参数优化处理。
4.一种镜头光学系统的设计装置，其特征在于，包括：
获取信息模块，用于获取镜头光学系统的设计需求信息；
参数计算模块，用于根据所述设计需求信息计算得到所述镜头光学系统的系统参数和光学参数；所述镜头光学系统的系统参数包括镜头的尺寸、镜头材料、镜头的外形、镜头的安装方式；所述镜头光学系统的光学参数包括焦距、视角、分辨率、光圈、通光量、光阑系数；
调用模型模块，用于将所述系统参数与所述光学参数输入预先构建的深度学习模型中；
镜头设计模块，用于获取所述深度学习模型根据所述系统参数与所述光学参数输出的镜头光学系统结构信息；所述镜头光学系统结构信息包括光学系统形式、各透镜的镜面位置、各透镜光学参数和结构参数；
所述调用模型模块包括模型训练单元，所述模型训练单元为获取各镜头光学系统的设计需求信息对应的镜头光学系统的系统参数和光学参数，及相应的镜头光学系统结构信息；根据多组系统参数和光学参数与对应的镜头光学系统结构信息、利用卷积神经网络算法进行训练，得到卷积神经网络的网络参数，以生成深度学习模型的单元。
5.根据权利要求4所述的镜头光学系统的设计装置，其特征在于，所述调用模型模块包括模型训练单元，所述模型训练单元为所述深度学习模型包括多个子模型，各子模型与设计需求信息相对应；各子模型利用深度学习算法将相应的设计需求信息对应的镜头光学系统的系统参数、光学参数、镜头光学系统结构信息训练而成的单元。
6.根据权利要求5所述的镜头光学系统的设计装置，其特征在于，还包括：
参数调优模块，用于将所述镜头光学系统结构信息输入镜头光学设计软件中，以对所述镜头光学系统进行参数优化处理。
7.一种镜头光学系统的设计设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的镜头光学系统的设计程序时实现如权利要求1至3任一项所述镜头光学系统的设计方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有镜头光学系统的设计程序，所述镜头光学系统的设计程序被处理器执行时实现如权利要求1至3任一项所述镜头光学系统的设计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068255.XA CN107976804B (zh) | 2018-01-24 | 2018-01-24 | 一种镜头光学系统的设计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810068255.XA CN107976804B (zh) | 2018-01-24 | 2018-01-24 | 一种镜头光学系统的设计方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107976804A CN107976804A (zh) | 2018-05-01 |
| CN107976804B true CN107976804B (zh) | 2020-11-24 |
Family
ID=62006252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810068255.XA Active CN107976804B (zh) | 2018-01-24 | 2018-01-24 | 一种镜头光学系统的设计方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107976804B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109239914B (zh) * | 2018-09-12 | 2020-05-01 | 南京大学 | 一种实现高空间带宽积的成像方法 |
| CN112818570B (zh) * | 2019-11-15 | 2022-12-20 | 中国科学院长春光学精密机械与物理研究所 | 光学镜镜面的面形计算方法 |
| CN111814405B (zh) * | 2020-07-23 | 2024-02-27 | 臻准生物工程(山西)有限公司 | 一种基于深度学习的照明系统设计方法及系统 |
| CN114063281A (zh) * | 2021-11-23 | 2022-02-18 | 辽宁中蓝光电科技有限公司 | 一种人工智能进行镜头光学系统的设计方法 |
| WO2023135745A1 (ja) * | 2022-01-14 | 2023-07-20 | オリンパス株式会社 | 光学系設計システム、光学系設計方法、学習済みモデル、プログラム及び情報記録媒体 |
| CN118151373A (zh) * | 2024-03-13 | 2024-06-07 | 广州安特激光技术有限公司 | 一种超广角大工作面F-theta镜头及其设计方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744181A (zh) * | 2013-11-21 | 2014-04-23 | 四川星烁光电科技有限公司 | Pwc法投影系统投影镜头的设计方法 |
| CN104345453A (zh) * | 2014-11-19 | 2015-02-11 | 浙江晶景光电有限公司 | 一种超短距投影镜头设计方法 |
| CN104808339A (zh) * | 2015-04-23 | 2015-07-29 | 中国科学院国家天文台南京天文光学技术研究所 | 基于Delano图的光学初始结构自动生成方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5724258A (en) * | 1996-05-09 | 1998-03-03 | Johnson & Johnson Vision Products, Inc. | Neural network analysis for multifocal contact lens design |
| CN104570340B (zh) * | 2013-10-24 | 2017-04-05 | 清华大学 | 自由曲面成像系统的设计方法 |
-
2018
- 2018-01-24 CN CN201810068255.XA patent/CN107976804B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103744181A (zh) * | 2013-11-21 | 2014-04-23 | 四川星烁光电科技有限公司 | Pwc法投影系统投影镜头的设计方法 |
| CN104345453A (zh) * | 2014-11-19 | 2015-02-11 | 浙江晶景光电有限公司 | 一种超短距投影镜头设计方法 |
| CN104808339A (zh) * | 2015-04-23 | 2015-07-29 | 中国科学院国家天文台南京天文光学技术研究所 | 基于Delano图的光学初始结构自动生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107976804A (zh) | 2018-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107976804B (zh) | 一种镜头光学系统的设计方法、装置、设备及存储介质 | |
| US9392153B2 (en) | Plenoptic camera resolution | |
| CN102223477B (zh) | 基于双图片匹配的深度估计的四维多项式模型 | |
| CN104811608B (zh) | 图像捕获装置及其图像缺陷校正方法 | |
| WO2016076400A1 (ja) | 較正装置、較正方法、光学装置、撮影装置、投影装置、計測システムおよび計測方法 | |
| WO2012017577A1 (ja) | 撮像装置および撮像方法 | |
| CN103426149A (zh) | 大视角图像畸变的校正处理方法 | |
| CN109725402A (zh) | 光学成像镜头、取像装置及电子装置 | |
| CN103516979B (zh) | 摄像装置及其控制方法 | |
| EP3035285B1 (en) | Method and apparatus for generating an adapted slice image from a focal stack | |
| CN112000226B (zh) | 一种人眼视线估计方法、装置及视线估计系统 | |
| CN106127701A (zh) | 鱼眼镜头图像畸变校正方法及装置 | |
| JP2021196951A (ja) | 画像処理装置、画像処理方法、プログラム、学習済みモデルの製造方法、および画像処理システム | |
| CN104867125A (zh) | 获取图像的方法以及装置 | |
| KR20160118948A (ko) | 줌 렌즈에 대한 초점 거리를 결정하는 방법 | |
| CN112991515A (zh) | 一种三维重建方法、装置及相关设备 | |
| CN106204554A (zh) | 基于多聚焦图像的景深信息获取方法、系统及拍摄终端 | |
| CN105933593A (zh) | 聚焦位置检测装置和聚焦位置检测方法 | |
| Côté et al. | The differentiable lens: Compound lens search over glass surfaces and materials for object detection | |
| CN108431660B (zh) | 范围优化的全光变焦 | |
| CN115661223B (zh) | 光场深度估计方法、装置、计算机设备和存储介质 | |
| CN101918793A (zh) | 测距装置 | |
| CN103426143A (zh) | 影像编辑方法以及相关的模糊参数建立方法 | |
| CN114859550B (zh) | 一种针对菲涅尔单透镜计算成像系统的端到端设计方法 | |
| JP2016066995A (ja) | 像ズレ量算出装置、撮像装置、および像ズレ量算出方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201104 Address after: 215100 No. 1 Guanpu Road, Guoxiang Street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Applicant after: SUZHOU LANGCHAO INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 450018 Henan province Zheng Dong New District of Zhengzhou City Xinyi Road No. 278 16 floor room 1601 Applicant before: ZHENGZHOU YUNHAI INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |