CN109542145A - 一种高功率激光装置的光路自动准直方法 - Google Patents
一种高功率激光装置的光路自动准直方法 Download PDFInfo
- Publication number
- CN109542145A CN109542145A CN201811402915.XA CN201811402915A CN109542145A CN 109542145 A CN109542145 A CN 109542145A CN 201811402915 A CN201811402915 A CN 201811402915A CN 109542145 A CN109542145 A CN 109542145A
- Authority
- CN
- China
- Prior art keywords
- image
- field
- power spectrum
- spectrum density
- light path
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D25/00—Control of light, e.g. intensity, colour or phase
- G05D25/02—Control of light, e.g. intensity, colour or phase characterised by the use of electric means
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Optics & Photonics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明涉及一种高功率激光装置的光路自动准直方法,属于激光技术领域,本发明采用近场CCD获得原始近场图像,然后将获得的原始近场图像通过快速傅里叶变换得到含有远场信息的二维功率谱密度图像,将二维功率谱密度图像进行图像处理,得到二维功率谱密度图像的椭圆度参数,判断二维功率谱密度图像的正圆率ρ是否在1的ε邻域内,通过近场闭环控制和远场闭环控制分别调整近场和远场的电动镜架,直至所述二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成光路的自动准直,本发明仅用一个CCD就能完成光路的自动准直,极大的简化了光路自动准直系统的设计,对于大规模高功率激光装置而言有着十分可观的经济价值。
Description
技术领域
本发明属于激光技术领域,具体地说涉及一种高功率激光装置的光路自动准直方法。
背景技术
大型高功率激光装置包含系列激光放大器和大量的光学元件及组件,光程长,环节多。系统的高效运行要求配置相应的光路自动准直系统,以快速纠正由于温度变化、地基及支撑架的微振动、反射镜机械结构蠕变、气流及其它随机因素造成光束的偏离,提高工作效率。所谓光路准直,就是在光学系统光路已建立并提供准直基准后,对光路光轴进行的精密调节,实现偏移光束与基准光束的重合。因此,光路自动准直系统是一个闭环控制系统,其包含准直光源、近远场基准、光束探测装置及调整执行机构等多部分环节。
目前的光路自动准直大多基于近场、远场分别进行光斑空域的识别计算实现光路自动准直,这类方法需要两个CCD相机分别监视近场和远场光路图像,对于大规模高功率激光装置而言,CCD相机的成本十分昂贵,因此,发明一种仅用一个CCD相机就能高效完成光路的自动准直的系统,对于大规模高功率激光装置而言有着十分可观的经济价值。
发明内容
针对现有技术的种种不足,为了解决上述问题,现提出一种高功率激光装置的光路自动准直方法,该系统可实现单路仅用一个CCD相机就能高效完成光路的自动准直,极大的简化了光路自动准直系统的设计。
为实现上述目的,本发明提供如下技术方案:
本发明提供一种高功率激光装置的光路自动准直方法,包括如下步骤:
S1:采用近场CCD获得原始近场图像;
S2:将获得的原始近场图像通过快速傅里叶变换得到含有远场信息的二维功率谱密度图像;
S3:将所述二维功率谱密度图像进行图像处理,然后采用最小二乘法配合椭圆公式拟合频域图像,得到所述二维功率谱密度图像的椭圆度参数,所述椭圆度参数包括拟合椭圆的中心坐标、椭圆拟合长轴L、椭圆拟合短轴S、椭圆拟合正圆率ρ=L/S;
S4:判断所述二维功率谱密度图像的正圆率ρ是否在1的ε邻域内,即趋近于正圆,若否,则转入S5;若是,则准直完成;
S5:通过近场闭环控制和远场闭环控制分别调整近场和远场的电动镜架;
S6:重复S1-S5,直至所述二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成光路的自动准直。
进一步,所述S2之前还包括将原始近场图像格式转换、图形等边裁剪和去除饱和点。
进一步,所述S2中,预处理之后的原始近场图像通过离散二维傅里叶变换得到频域二维功率谱密度图像,并将低频直流分量搬移到图像中央,对频域二维功率谱密度图像做自适应二值化算法得到二值化后的功率谱密度图像。
进一步,S3中图像处理包括对二值化后的功率谱密度图像做腐蚀、膨胀形态处理,通过CANNY算法提取频域图像的边沿。
进一步,所述S5中,所述远场闭环控制的控制方法为:控制远场电动镜架做空域二维搜索运动,电动镜架每调整一次,执行一次S1-S4,至二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成远场准直。
进一步,所述S5中,所述近场闭环控制的控制方法为:通过计算近场图像的中心坐标,并与基准十字叉丝中心坐标进行比较,得到X、Y两维的偏移量,通过调整近场电动镜架,使近场图像的中心坐标分别进入X方向收敛范围δx、Y方向收敛范围δy,从而完成近场准直。
本发明技术方案与现有技术相比,至少具有如下优点:
本发明采用近场CCD获取原始近场图像,将原始近场图像进行处理,得到二维功率谱密度图像,通过二维功率谱密度图像的正圆率,判断是否需要准直,并通过近场闭环控制和远场闭环控制分别调整近场和远场的电动镜架完成光路自动准直,该方法仅用一个CCD就能完成光路的自动准直,极大的简化了光路自动准直系统的设计,且采用开放式设计,方便系统光路数量的扩充,且软硬件的模块化程度高,可靠性高、环境适应性好,对于大规模高功率激光装置而言有着十分可观的经济价值。
附图说明
图1是本发明的流程图;
图2是本发明的近场图像处理过程示意图;
图3是本发明的远场闭环控制的Y方向流程图;
图4是本发明的近场闭环控制流程图;
图5是本发明的计算机坐标系与椭圆倾斜角θ的对应关系图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案,下面结合本发明的附图,对本发明的技术方案进行清楚、完整的描述,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例,都应当属于本申请保护的范围。此外,以下实施例中提到的方向用词,例如“上”“下”“左”“右”等仅是参考附图的方向,因此,使用的方向用词是用来说明而非限制本发明创造。
本实施例提供了一种高功率激光装置的光路自动准直方法,如图1所示,包括如下步骤:
S1:采用近场CCD获得原始近场图像。
近场CCD获取的原始近场图像需要预处理,预处理包括格式转换、图形等边裁剪和去除饱和点,具体的,获取的原始近场图像格式为char*,为了后续算法处理,需要将其转换为矩阵图像的格式Mat*,为了保证快速傅里叶变换后的图像不被拉伸或压缩,需要对原始图像进行等边裁剪,原始图像中可能包含灰度为255(8位整数灰度格式),或1(32位或64位浮点数格式)的饱和像素点,这些像素点包含相当丰富的频率信息,会掩盖掉有用的低频信息,因此需要去除掉这些饱和像素点。
S2:将获得的原始近场图像通过快速傅里叶变换得到含有远场信息的二维功率谱密度图像。
具体地,S1中预处理之后的原始近场图像通过离散二维傅里叶变换得到频域二维功率谱密度图像,并将低频直流分量搬移到图像中央,对频域二维功率谱密度图像做自适应二值化算法得到二值化后的功率谱密度图像。
S3:将所述二维功率谱密度图像进行图像处理,然后采用最小二乘法配合椭圆公式拟合频域图像,得到所述二维功率谱密度图像的椭圆度参数,所述椭圆度参数包括拟合椭圆的中心坐标、椭圆拟合长轴L、椭圆拟合短轴S、椭圆拟合正圆率ρ=L/S。
具体地,图像处理包括将快速傅立叶变换后的二维功率谱密度图像进行二值化,以便图像形态处理,由于准直光源可能存在微小晃动,导致功率谱密度图像的随机变化,干扰形态处理,采用OSTU自适应二值化算法计算前景和背景的灰度值,动态的确定二值化阈值,从而有效解决由于晃动所带来的二维功率谱密度图像的干扰,二值化后的图像存在离散点,通过腐蚀、膨胀方法对功率谱密度图像做形态学处理,为边沿提取提供良好的形态条件,腐蚀操作采用2*2单元以邻域卷积的方式腐蚀去除散点,腐蚀后通过膨胀算法填实图形空隙,经形态学处理后,采用CANNY算法实现二维功率谱密度图像的边沿提取;利用最小二乘法配合椭圆公式对二维功率谱密度图像边沿进行椭圆拟合。
S1-S3是对原始近场图像的处理,其处理过程如图2所示。
S4:判断所述二维功率谱密度图像的正圆率ρ是否在1的ε邻域内,即趋近于正圆,若否,则转入S5;若是,则准直完成;
S5:通过近场闭环控制和远场闭环控制分别调整近场和远场的电动镜架。
所述近场闭环控制的控制方法为:通过计算近场图像的中心坐标,并与基准十字叉丝中心坐标进行比较,得到X、Y两维的偏移量,通过调整近场电动镜架,使近场图像的中心坐标分别进入X方向收敛范围δx、Y方向收敛范围δy,从而完成近场准直。
所述远场闭环控制基于“空域二维搜索,频域正圆匹配”的控制方法。其中,“空域二维搜索”即控制远场电动镜架的两维FY、FX做空域二维搜索运动。电机运动步长按D0的倍数逐步加大搜索范围,即运动步长按D0,2D0,3D0,4D0,...,nD0,(n∈N),D0越小,搜索精度越高,但运算量会线性增加,闭环速度也会降低,所以要通过调试确定一个合适的D0,在搜索精度与闭环速度之间进行折中。“频域正圆匹配”即镜架每调整一次,执行一次S1-S4,求出频域图像的正圆率ρ(=L/S),判断其是否进入收敛范围ρ∈[1,1+δE]。
远场准直过程中,近场也会有所偏离,因此近场闭环控制和远场闭环控制需要交互迭代执行,最终近场、远场同时进入收敛范围,即完成全光路自动准直。
S6:重复S1-S5,直至所述二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成光路的自动准直。
本实施例中,闭环控制系统的参数包括:近场镜架俯仰轴NY、近场镜架侧摆轴NX、远场镜架俯仰轴FY、远场镜架侧摆轴FX、电机运动一个步长D0、电机正方向运动+、电机负方向运动-、电机向正方向运动一个步长D0、电机向负方向运动一个步长D0、近场图像位置坐标(x,y)、近场图像位置收敛坐标(X0,Y0)、近场坐标y收敛范围δy、近场坐标x收敛范围δx、椭圆拟合短轴S、椭圆拟合长轴L、椭圆拟合正圆率(长轴/短轴)ρ(=L/S)、PSD椭圆拟合正圆率收敛范围δE、执行一次原始图像采集I(x)、执行一次十字叉丝中心提取算法C(x)(求(X0,Y0))、执行一次近场图像处理算法N(x)(求(x,y))、执行一次PSD图像处理算法F(x)(求S,L)。
如图3所示,远场闭环控制在Y方向的控制流程如下:首先初始化远场Y维镜架电机运动步长系数Ky=0,初始化搜索方向标志SeekDirectionY=false,然后从CCD采集一帧近场原始图像数据I(x),并执行一次PSD图像处理核心算法F(x),判读由核心图像处理算法输出椭圆参数中的椭圆倾斜角度θ,若θ不在90±2度范围内,则进行Y方向远场闭环控制,否则进行X方向远场闭环控制,计算机坐标系与θ的对应关系参见图5。为判定在闭环过程中,光斑是否移出CCD视场,因此设定一个视场边界参数R,作为准直范围的边界条件。
对于Y方向远场闭环控制,根据搜索方向和当前光斑位置是否超出边界R,有四条执行分支:
1、当搜索方向标志SeekDirectionY=false且远场Y维镜架电机运动步长系数Ky<R,即光斑在Y方向上没有超出视场,则Y维镜架电机向SeekDirectionY=false预先定义的方向运动一个步长D0;
2、当搜索方向标志SeekDirectionY=false且远场Y维镜架电机运动步长系数Ky≥R,说明光斑将要超出CCD视场,则执行FY=-Ky*D0,即让光斑返回到CCD视场中心的位置,向相反的方向搜索,并清零运动补偿系数Ky=0,同时将搜索方向标志SeekDirectionY置为true,以为相反方向的搜索做好准备;
3、当搜索方向标志SeekDirectionY=true且远场Y维镜架电机运动步长系数Ky<R,则Y维镜架电机向SeekDirectionY=true预先定义的方向运动一个步长D0;
4、当搜索方向标志SeekDirectionY=true且远场Y维镜架电机运动步长系数Ky≥R,则说明当前光斑在SeekDirectionY=true定义的方向上将要超出CCD视场,则执行FY=-Ky*D0,即让光斑返回到CCD视场中心的位置,向相反的方向搜索,并清零运动补偿系数Ky=0,同时将搜索方向标志SeekDirectionY置为false,以为相反方向的搜索做好准备。
上述4条分支,无论走哪一条,最终都会判断频域图像是否达到正圆收敛条件,即ρ是否属于[1,1+δE]的范围,如果是则完成远场闭环控制,如果否则再次执行图像处理核心算法,通过频域图像椭圆的倾斜角度θ进而判断是X方向搜索还是执行Y方向搜索。
远场闭环控制Y方向与X方向是类似的,在此不再赘述。
参见图4,近场准直的闭环控制首先从CCD采集一帧原始图像数据I(x),然后分别提取十字叉丝基准的中心坐标C(x)和实际近场图像的中心坐标N(x),比较实际近场图像坐标(x,y)与十字叉丝基准坐标(X0,Y0)的偏离量以及偏离方向,并以此分别对X方向和Y方向闭环控制近场二维电动镜架,采用逐次逼近的方法,使得实际近场图像坐标(x,y)收敛于十字叉丝基准坐标(X0,Y0)的δx和δy邻域内,完成近场闭环控制。
整个近场闭环控制分为4种情况:
1、当x<(X0-δx)时,则近场镜架侧摆轴NX向正方向运动一个步长,即+D0,然后再次提取实际近场图像的中心坐标N(x),并与X0比较,直至x收敛于X0的δx邻域内;
2、当x>(X0-δx)时,则近场镜架侧摆轴NX向负方向运动一个步长,即-D0,然后再次提取实际近场图像的中心坐标N(x),并与X0比较,直至x收敛于X0的δx邻域内;
3、当y<(Y0-δy)时,则近场镜架侧俯仰轴Ny向正方向运动一个步长,即+D0,然后再次提取实际近场图像的中心坐标N(x),并与Y0比较,直至y收敛于Y0的δy邻域内;
4、当y>(Y0-δy)时,则近场镜架侧俯仰轴Ny向负方向运动一个步长,即-D0,然后再次提取实际近场图像的中心坐标N(x),并与Y0比较,直至y收敛于Y0的δy邻域内。
以上已将本发明做一详细说明,以上所述,仅为本发明之较佳实施例而已,当不能限定本发明实施范围,即凡依本申请范围所作均等变化与修饰,皆应仍属本发明涵盖范围内。
Claims (6)
1.一种高功率激光装置的光路自动准直方法,其特征在于,包括如下步骤:
S1:采用近场CCD获得原始近场图像;
S2:将获得的原始近场图像通过快速傅里叶变换得到含有远场信息的二维功率谱密度图像;
S3:将所述二维功率谱密度图像进行图像处理,然后采用最小二乘法配合椭圆公式拟合频域图像,得到所述二维功率谱密度图像的椭圆度参数,所述椭圆度参数包括拟合椭圆的中心坐标、椭圆拟合长轴L、椭圆拟合短轴S、椭圆拟合正圆率ρ=L/S;
S4:判断所述二维功率谱密度图像的正圆率ρ是否在1的ε邻域内,即趋近于正圆,若否,则转入S5;若是,则准直完成;
S5:通过近场闭环控制和远场闭环控制分别调整近场和远场的电动镜架;
S6:重复S1-S5,直至所述二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成光路的自动准直。
2.根据权利要求1所述的一种高功率激光装置的光路自动准直方法,其特征在于,所述S2之前还包括将原始近场图像格式转换、图形等边裁剪和去除饱和点。
3.根据权利要求2所述的一种高功率激光装置的光路自动准直方法,其特征在于,所述S2中,预处理之后的原始近场图像通过离散二维傅里叶变换得到频域二维功率谱密度图像,并将低频直流分量搬移到图像中央,对频域二维功率谱密度图像做自适应二值化算法得到二值化后的功率谱密度图像。
4.根据权利要求3所述的一种高功率激光装置的光路自动准直方法,其特征在于,S3中图像处理包括对二值化后的功率谱密度图像做腐蚀、膨胀形态处理,通过CANNY算法提取频域图像的边沿。
5.根据权利要求4所述的一种高功率激光装置的光路自动准直方法,其特征在于,所述S5中,所述远场闭环控制的控制方法为:控制远场电动镜架做空域二维搜索运动,电动镜架每调整一次,执行一次S1-S4,至二维功率谱密度图像的正圆率ρ在1的ε邻域内,从而完成远场准直。
6.根据权利要求5所述的一种高功率激光装置的光路自动准直方法,其特征在于,所述S5中,所述近场闭环控制的控制方法为:通过计算近场图像的中心坐标,并与基准十字叉丝中心坐标进行比较,得到X、Y两维的偏移量,通过调整近场电动镜架,使近场图像的中心坐标分别进入X方向收敛范围δx、Y方向收敛范围δy,从而完成近场准直。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402915.XA CN109542145B (zh) | 2018-11-23 | 2018-11-23 | 一种高功率激光装置的光路自动准直方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811402915.XA CN109542145B (zh) | 2018-11-23 | 2018-11-23 | 一种高功率激光装置的光路自动准直方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109542145A true CN109542145A (zh) | 2019-03-29 |
CN109542145B CN109542145B (zh) | 2021-04-13 |
Family
ID=65849309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811402915.XA Active CN109542145B (zh) | 2018-11-23 | 2018-11-23 | 一种高功率激光装置的光路自动准直方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109542145B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429422A (zh) * | 2020-03-19 | 2020-07-17 | 中国工程物理研究院激光聚变研究中心 | 基于深度学习的激光近场状态分析方法及装置 |
CN111504613A (zh) * | 2020-05-13 | 2020-08-07 | 飒铂智能科技有限责任公司 | 一种激光器光轴标定方法及系统 |
CN114513642A (zh) * | 2022-04-18 | 2022-05-17 | 中国科学院自动化研究所 | 光路准直高速反馈控制方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19517855A1 (de) * | 1994-05-20 | 1995-11-23 | Zeiss Carl Fa | Verfahren und Anordnung zum Erfassen von Bewegungen eines Teiles |
CN105425869A (zh) * | 2015-10-29 | 2016-03-23 | 中国工程物理研究院激光聚变研究中心 | 一种光束指向控制方法 |
CN106681014A (zh) * | 2017-02-16 | 2017-05-17 | 中国科学院上海光学精密机械研究所 | 适用于高功率激光装置的高精度光路准直的方法 |
-
2018
- 2018-11-23 CN CN201811402915.XA patent/CN109542145B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19517855A1 (de) * | 1994-05-20 | 1995-11-23 | Zeiss Carl Fa | Verfahren und Anordnung zum Erfassen von Bewegungen eines Teiles |
CN105425869A (zh) * | 2015-10-29 | 2016-03-23 | 中国工程物理研究院激光聚变研究中心 | 一种光束指向控制方法 |
CN106681014A (zh) * | 2017-02-16 | 2017-05-17 | 中国科学院上海光学精密机械研究所 | 适用于高功率激光装置的高精度光路准直的方法 |
Non-Patent Citations (2)
Title |
---|
王渊承等: ""基于衍射对称性的多程光路腔镜准直算法"", 《中国激光》 * |
谢阅等: ""光路自动准直中腔镜及反射镜控制算法"", 《信息与电子工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429422A (zh) * | 2020-03-19 | 2020-07-17 | 中国工程物理研究院激光聚变研究中心 | 基于深度学习的激光近场状态分析方法及装置 |
CN111504613A (zh) * | 2020-05-13 | 2020-08-07 | 飒铂智能科技有限责任公司 | 一种激光器光轴标定方法及系统 |
CN111504613B (zh) * | 2020-05-13 | 2022-07-29 | 飒铂智能科技有限责任公司 | 一种激光器光轴标定方法及系统 |
CN114513642A (zh) * | 2022-04-18 | 2022-05-17 | 中国科学院自动化研究所 | 光路准直高速反馈控制方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109542145B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9817107B2 (en) | Above-ground building recognition method and navigation method combining laser and infrared | |
CN109542145A (zh) | 一种高功率激光装置的光路自动准直方法 | |
CN101777129B (zh) | 一种基于特征检测的图像匹配方法 | |
US20150371385A1 (en) | Method and system for calibrating surveillance cameras | |
CN106778739B (zh) | 一种曲面化变形文本页面图像矫正方法 | |
CN109635661B (zh) | 一种基于卷积神经网络的远场无线充电接收目标检测方法 | |
CN106599806A (zh) | 一种基于局部曲面几何特征的人体动作识别方法 | |
Zhang et al. | Automatic diagnosis system of transmission line abnormalities and defects based on UAV | |
Wei et al. | A concentric loop convolutional neural network for manual delineation-level building boundary segmentation from remote-sensing images | |
Qian et al. | Pedestrian feature generation in fish-eye images via adversary | |
CN110473255A (zh) | 一种基于多重网格划分的船舶系船柱定位方法 | |
CN103164843B (zh) | 一种医学影像彩色化方法 | |
CN103400374A (zh) | 利用双平面镜装置和拉盖尔定理的推论求解摄像机内参数 | |
CN107610216B (zh) | 基于粒子群优化多视角立体点云生成方法及应用的摄像机 | |
CN103914818A (zh) | 一种基于全向全变分的全向图像稀疏重构方法 | |
Ma et al. | A real time detection method of track fasteners missing of railway based on machine vision | |
Zhao et al. | A CCD based machine vision system for real-time text detection | |
CN106408570A (zh) | 基于双目视觉测量的太阳帆展开结构动特性在轨辨识方法 | |
Haixiang et al. | Vehicle target detection from the perspective of uav aerial photography based on rotating box | |
CN103679141B (zh) | 虹膜的旋转跟踪方法 | |
Hu et al. | Two-stage insulator self-explosion defect detection method based on Mask R-CNN | |
Florio et al. | A skeletonizing algorithm for granulation and super-granulation cell finding | |
Jiang et al. | Three-Dimensional Target Detection Based on RGB-D Data. | |
Xie et al. | On-board GCPS matching with improved triplet loss function | |
CN112883840B (zh) | 基于关键点检测的输电线路提取方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |