CN111488701B - 一种基于点扩散函数的计算机辅助装调方法、装置及设备 - Google Patents
一种基于点扩散函数的计算机辅助装调方法、装置及设备 Download PDFInfo
- Publication number
- CN111488701B CN111488701B CN202010597315.4A CN202010597315A CN111488701B CN 111488701 B CN111488701 B CN 111488701B CN 202010597315 A CN202010597315 A CN 202010597315A CN 111488701 B CN111488701 B CN 111488701B
- Authority
- CN
- China
- Prior art keywords
- current
- point spread
- ellipticity
- optimization evaluation
- assembly parameter
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于点扩散函数的计算机辅助装调方法、装置、设备及计算机可读存储介质,包括:测量光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布;生成当前测试装配参数种子,将当前测试装配参数种子输入至光学系统模型中,获取当前装配状态下对应视场的当前测试椭圆度分布;根据实际椭圆度分布与当前测试椭圆度分布计算当前优化评价函数值;若当前优化评价函数值小于预设优化评价阈值,则将当前测试装配参数种子设为目标装配参数,根据该目标装配参数对待装调光学系统进行装调,从而可实现在不采用波前传感器的情况下便可获取光学系统的装调误差,以供光学系统的装调指导。
Description
技术领域
本申请涉及光学系统装调技术领域,特别涉及一种基于点扩散函数的计算机辅助装调方法、装置、设备以及计算机可读存储介质。
背景技术
光学系统广泛存在于生活的方方面面,帮助我们更好地观察这个世界,小到手机镜头,大到空间相机,天文太空望远镜等等。但是在光学镜片的装调过程中,难免存在装调误差,传统基于技师经验的装调难以满足对光学系统日益增长的装配性能需求和装配效率需求。
计算机辅助装调方法是为了解决光学系统在传统装调过程中主要依靠人工、精度偏差大、装配性能不稳定的问题,提出来的依托计算机强大的运算性能,基于光学系统成像质量来计算得到光学系统装配误差从而提供装调指导的装调技术,它是实现光学系统自动化装调、智能制造的核心技术。
目前大部分以光学系统为研究对象的计算机辅助装调方法,都是基于理想系统与失调系统之间的波前像差系数差异来进行求解计算的,比如敏感度矩阵法,逆向优化法,微分波前抽样法,矢量像差法,等等。但是这些方法都是在基于光学系统的波前像差与镜片安装误差之间的函数关系的基础上来进行安装误差的求解,因此,波前像差的检测是必不可少的环节,而大部分光学系统都不含波前检测传感器,因此需要额外搭建相关的波前检测系统来进行测量,大大增加了工程应用的难度,并且该类方法还受到波前像差检测精度的影响,尤其是以干涉仪为波前像差检测传感器的过程对实验环境的要求极其苛刻。
因此,如何在不采用额外的波前传感器的情况下获取光学系统的装调误差是本领域技术人员需要解决的问题。
发明内容
有鉴于此,本申请在于提供一种基于点扩散函数的计算机辅助装调方法、装置、设备以及计算机可读存储介质,在不采用额外的波前检测器的情况下获取光学系统的装调误差,以供光学系统的装调指导。其具体方案如下:
第一方面,本申请提供了一种基于点扩散函数的计算机辅助装调方法,包括:
S1:测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布;S2:随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布;S3:根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值;S4:判断所述当前优化评价函数值是否大于等于预设优化评价阈值;S5:若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调。
优选地,所述判断所述当前优化评价函数值是否大于等于预设优化评价阈值后包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行S2。
优选地,所述若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
优选地,所述若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据遗传算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
优选地,所述根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值包括:
第二方面,本申请提供了一种基于点扩散函数的计算机辅助装调装置,包括:
测量模块,用于测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数点椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布;
仿真模块,用于随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布;
计算模块,用于根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值;
判断模块,用于判断所述当前优化评价函数值是否大于等于预设优化评价阈值;
装调模块,用于若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调。
优选地,所述判断模块后包括:
更新模块,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行所述仿真模块的操作步骤。
优选地,所述更新模块包括:
装调参数种子更新单元,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
第三方面,本申请提供了一种基于点扩散函数的计算机辅助装调设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现前述公开的基于点扩散函数的计算机辅助装调方法。
第四方面,本申请提供了一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述公开的基于点扩散函数的计算机辅助装调方法。
通过以上方案可知,本申请提供了基于点扩散函数的计算机辅助装调方法,首先测量存在安装误差的光学系统在不同视场下的点扩散函数,并根据点扩散函数的点椭圆度计算算法求解不同视场下的椭圆度分布。然后,生成测试当前测试装配参数种子,并将当前测试装配参数种子输入至待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的当前测试椭圆度分布。其次,根据实际椭圆度分布以及当前测试椭圆度分布,计算得到当前优化评价函数值。判断当前优化评价函数值是否大于等于预设优化评价阈值;若当前优化评价函数值小于预设优化评价阈值,则输出当前测试装配参数种子作为目标装配参数,从而根据目标装配参数对待装调光学系统进行装调。
可见,本发明通过研究总结光学系统在元件失调状态下的点扩散函数的形状特点,提供了一种基于点扩散函数的计算机辅助装调方法,所述方法不需要额外的波前传感器,只需要基于诸如CCD或COMS等图像传感器构建光学系统装配误差与不同视场下点椭圆度之间的多元非线性函数,根据目标系统不同视场下点扩散函数的点椭圆度求解得到当前系统的装调误差,具有工程实施容易的特点。
相应地,本申请提供的一种基于点扩散函数的计算机辅助装调装置、设备以及计算机可读存储介质,也同样具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请公开的第一种基于点扩散函数的计算机辅助装调方法流程图;
图2为点扩散函数图像的示意图;
图3为采用星点法检测点扩散函数的示意图;
图4为本申请公开的第二种基于点扩散函数的计算机辅助装调方法流程图;
图5为本申请公开的一种基于点扩散函数的计算机辅助装调装置的结构示意图;
图6为本申请公开的一种基于点扩散函数的计算机辅助装调设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,计算机辅助装调方法大都是基于装调误差和波前像差系数之间的关系进行装调误差的求解,因此在对光学系统装调过程中常常还需要额外增加波前传感器的配置,增加了装调过程中繁琐程度。
为此,本申请提供了一种基于点扩散函数的计算机辅助装调,能够在不采用额外的波前检测器的情况下,根据光学系统不同视场下点扩散函数的点椭圆度求解得到当前系统的装调误差。
参见图1所示,本申请实施例公开了第一种基于点扩散函数的计算机辅助装调方法,具体操作步骤如下:
步骤S101:测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布。
获取待装调光学系统在不同视场下的实际点椭圆度分布的目标例如可表示为。定义目标光学系统中存在m个待装调的自由度可分别表示为,即需要求解的装调参数。测量存在该装配误差的光学系统在不同视场下的点扩散函数,并根据点扩散函数椭圆度计算算法求解不同视场下点扩散函数的实际椭圆度分布的目标。其中,k表示测量的视场个数,根据点扩散函数椭圆度计算算法可知,每个视场下的点扩散函数,可以得到2个椭圆度参数e 1和e 2;因此根据k个视场下的点扩散函数,可以计算得到2k个椭圆度参数,分别定义为。
所述点扩散函数椭圆度计算算法,借鉴于目前在天文领域中对于暗星观测中常用的KSB+模型,根据每个点扩散函数图像,可以计算得到两个椭圆度e1和e2,其计算公式如下:
点扩散函数在工程实践中常用星点法检测得到,如图3所示,根据图像传感器(例如CCD传感器、CMOS传感器)的数据,点扩散函数可看成是横纵坐标的二元函数,如图2所示。不同的失调状态,点扩散函数的形状也不同,如图3所示,因此可用来作为依据进行失调参数的求解。
步骤S102:随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布。
步骤S103:根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值。
步骤S104:判断所述当前优化评价函数值是否大于等于预设优化评价阈值。
本发明实施例的预设优化评价阈值的取值范围例如可设置为10-3至10-5。
步骤S105:若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调。
可见,本申请实施例公开了的基于点扩散函数的计算机辅助装调方法,只需要在现有光学系统的基础上,通过十分常见的图像传感器即可实现对点扩散函数的获取,在实现镜片安装误差计算的目标下,更利于工程实践应用。
基于上述实施例,在本实施例中,若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,并将更新后的当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的当前测试椭圆度分布。
参见图4所示,本申请实施例公开了第二种基于点扩散函数的计算机辅助装调方法,具体操作步骤如下:
步骤S401:测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定所述不同视场下的点扩散函数的实际椭圆度分布。
步骤S402:随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法得到当前测试椭圆分布。
步骤S403:根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值。
步骤S404:判断所述当前优化评价函数值是否大于等于预设优化评价阈值。
步骤S405:若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行所述步骤S402。
生成的当前测试装配参数种子为多组多维装配参数种子根据群体智能优化算法分别对每组多维装配参数种子进行迭代更新,使每组多维装配参数种子均无限趋近于所述目标装配参数。
需要说明的是,在本实施例中,所述群体智能优化算法可以为粒子群算法、遗传算法、模拟退火算法、蚁群算法等优化算法。
步骤S406:若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调。
需要说明的是,本实施例中的其他实现步骤与上述实施例相同或类似,故本实施例在此不再赘述。
由上可见,不同于大部分计算机辅助装调方法基于波前像差与镜片安装误差之间关系的基础,本实施例直接利用点扩散函数与镜片安装误差之间的多元非线函数关系,根据目标系统不同视场下点扩散函数的点椭圆度,通过智能寻优算法求解得到当前系统的装调误差。且本实施例所提供的方法没有直接求解点扩散函数PSF椭圆度与安装误差之间的函数解析式,而是将之巧妙地转化成一个多目标线性优化的问题;因此,根据大部分的优化算法都可以进行求解。
下面对本申请实施例提供的一种基于点扩散函数的计算机辅助装调装置进行介绍,下文描述的一种基于点扩散函数的计算机辅助装调装置与上文描述的一种基于点扩散函数的计算机辅助装调方法可以相互参照。
参见图5所示,本申请实施例公开了一种基于点扩散函数的计算机辅助装调。
在一种具体实施方式中,基于点扩散函数的计算机辅助装调装置,包括:
测量模块100,用于测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定所述不同视场下的点扩散函数的实际椭圆度分布;
仿真模块200,用于随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布;
计算模块300,用于根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值;
判断模块400,用于判断所述当前优化评价函数值是否大于等于预设优化评价阈值;
装调模块500,用于若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调。
在一种具体实施方式中,基于点扩散函数的计算机辅助装调装置,在所述判断模块后包括:
更新模块,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行所述仿真模块的操作步骤。
所述更新模块包括:装调参数种子更新单元,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
其中,关于本实施例中各个模块、单元更加具体的工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
下面对本申请实施例提供的一种基于点扩散函数的计算机辅助设备进行介绍,下文描述的一种基于点扩散函数的计算机辅助设备与上文描述的一种基于点扩散函数的计算机辅助方法及装置可以相互参照。
参见图6所示,本申请实施例公开了一种基于点扩散函数的计算机辅助设备,包括:
存储器601,用于保存计算机程序;
处理器602,用于执行所述计算机程序,以实现上述任意实施例公开的方法。
下面对本申请实施例提供的一种计算机可读存储介质进行介绍,下文描述的一种可读存储介质与上文描述的一种基于点扩散函数的计算机辅助方法、装置及设备可以相互参照。
一种计算机可读存储介质,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现前述实施例公开的基于点扩散函数的计算机辅助方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
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。
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可读存储介质中。
本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于点扩散函数的计算机辅助装调方法,其特征在于,包括:
S1:测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布;
S2:随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布;
S3:根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值;
S4:判断所述当前优化评价函数值是否大于等于预设优化评价阈值;
S5:若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调;
其中,所述根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布包括:
根据所述点扩散函数椭圆度计算算法可知,每个视场下的点扩散函数包括2个椭圆度参数e 1和e 2,根据每个点扩散函数图像计算得到两个椭圆度e1和e2,其计算关系式如下:
2.如权利要求1所述的计算机辅助装调方法,其特征在于,所述判断所述当前优化评价函数值是否大于等于预设优化评价阈值后包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行S2。
3.如权利要求2所述的计算机辅助装调方法,其特征在于,所述若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
4.如权利要求2所述的计算机辅助装调方法,其特征在于,所述若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子包括:
若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据遗传算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
6.一种基于点扩散函数的计算机辅助装调装置,其特征在于,包括:
测量模块,用于测量待装调光学系统在不同视场下的点扩散函数,根据点扩散函数椭圆度计算算法确定不同视场下的点扩散函数的实际椭圆度分布;
仿真模块,用于随机生成当前测试装配参数种子,并将所述当前测试装配参数种子输入至所述待装调光学系统的模型中,通过仿真获取当前装配状态下对应视场的点扩散函数,并根据椭圆度计算算法确定当前测试椭圆度分布;
计算模块,用于根据所述实际椭圆度分布与所述当前测试椭圆度分布,计算当前优化评价函数值;
判断模块,用于判断所述当前优化评价函数值是否大于等于预设优化评价阈值;
装调模块,用于若所述当前优化评价函数值小于所述预设优化评价阈值,则将所述当前测试装配参数种子设为目标装配参数,根据所述目标装配参数对所述待装调光学系统进行装调;
其中,所述测量模块具体用于:
根据所述点扩散函数椭圆度计算算法可知,每个视场下的点扩散函数包括2个椭圆度参数e 1和e 2,根据每个点扩散函数图像计算得到两个椭圆度e1和e2,其计算关系式如下:
7.如权利要求6所述的计算机辅助装调装置,其特征在于,所述判断模块后包括:
更新模块,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据群体智能优化算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子,返回执行所述仿真模块的操作步骤。
8.如权利要求7所述的计算机辅助装调装置,其特征在于,所述更新模块包括:
装调参数种子更新单元,用于若所述当前优化评价函数值大于等于所述预设优化评价阈值,则根据粒子群算法迭代更新所述当前测试装配参数种子,得到更新后的当前测试装配参数种子。
9.一种基于点扩散函数的计算机辅助装调设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至5任一项所述的基于点扩散函数的计算机辅助装调方法。
10.一种计算机可读存储介质,其特征在于,用于保存计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于点扩散函数的计算机辅助装调方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597315.4A CN111488701B (zh) | 2020-06-28 | 2020-06-28 | 一种基于点扩散函数的计算机辅助装调方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597315.4A CN111488701B (zh) | 2020-06-28 | 2020-06-28 | 一种基于点扩散函数的计算机辅助装调方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488701A CN111488701A (zh) | 2020-08-04 |
CN111488701B true CN111488701B (zh) | 2020-10-16 |
Family
ID=71795792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597315.4A Active CN111488701B (zh) | 2020-06-28 | 2020-06-28 | 一种基于点扩散函数的计算机辅助装调方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488701B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113253453B (zh) * | 2021-06-21 | 2024-03-26 | 中国人民解放军国防科技大学 | 一种基于单视场的主次镜系统装配误差计算方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9307949B2 (en) * | 2011-12-12 | 2016-04-12 | Hitachi Medical Corporation | X-ray CT device and method for correcting scattered X-rays |
JP5983373B2 (ja) * | 2012-12-07 | 2016-08-31 | 富士通株式会社 | 画像処理装置、情報処理方法及びプログラム |
JP2014232556A (ja) * | 2013-05-28 | 2014-12-11 | ソニー株式会社 | 光媒体再生装置および光媒体再生方法 |
CN106164739B (zh) * | 2013-06-19 | 2021-10-29 | 优化扫描有限公司 | 光学扫描器和被扫描的透镜光学探头 |
CN106372035B (zh) * | 2015-07-23 | 2018-12-18 | 清华大学 | 一种点扩散函数估计方法及系统 |
CN108196364B (zh) * | 2018-01-04 | 2020-04-17 | 中国人民解放军国防科技大学 | 一种基于平面镜视场调节的光学系统失调量解算方法 |
CN109031659B (zh) * | 2018-06-20 | 2020-11-24 | 湖北三江航天红峰控制有限公司 | 一种同轴光学系统的计算机辅助装调方法 |
CN109164591B (zh) * | 2018-08-10 | 2021-01-05 | 宁波舜宇仪器有限公司 | 显微镜物镜计算机辅助装调方法 |
-
2020
- 2020-06-28 CN CN202010597315.4A patent/CN111488701B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111488701A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210041236A1 (en) | Method and system for calibration of structural parameters and construction of affine coordinate system of vision measurement system | |
KR101172629B1 (ko) | 영상 처리 방법 및 이를 위한 장치 | |
CN109345467B (zh) | 成像畸变校正方法、装置、计算机设备及存储介质 | |
WO2020164335A1 (en) | Optical distortion measuring apparatus and optical distortion measuring method, image processing system, electronic apparatus and display apparatus | |
US20110267507A1 (en) | Range measurement using a zoom camera | |
WO2015100105A1 (en) | Improving plenoptic camera resolution | |
US10943368B1 (en) | Camera calibration system | |
Ricolfe-Viala et al. | Accurate calibration with highly distorted images | |
WO2020187723A1 (en) | Methods for analysis of an image and a method for generating a dataset of images for training a machine-learned model | |
CN111488701B (zh) | 一种基于点扩散函数的计算机辅助装调方法、装置及设备 | |
CN112734858B (zh) | 一种双目标定精度在线检测方法及装置 | |
JP5595463B2 (ja) | 波面光学測定装置 | |
CN108444452B (zh) | 目标经纬度和拍摄装置的三维空间姿态的检测方法及装置 | |
CN112985360B (zh) | 基于车道线的双目测距校正方法、装置、设备和存储介质 | |
Shi et al. | Radial lens distortion correction by adding a weight layer with inverted foveal models to convolutional neural networks | |
CN115797468A (zh) | 一种鱼眼摄像头安装高度的自动校正方法、装置以及设备 | |
CN113436272B (zh) | 水下立体视觉系统球面折射矫正方法、电子设备 | |
US20220237824A1 (en) | Distortion calibration method for ultra-wide angle imaging apparatus, system and photographing device including same | |
JP5760558B2 (ja) | カメラシミュレーション装置、カメラシミュレーション方法、及びカメラシミュレーションプログラム | |
CN112987292B (zh) | 基于点阵光斑质心偏差信息的计算机辅助装调方法及装置 | |
CN113253453A (zh) | 一种基于单视场的主次镜系统装配误差计算方法及系统 | |
CN113066029B (zh) | 一种图像矫正方法及装置 | |
Buat et al. | Single image depth-from-defocus with a learned covariance: algorithm and performance model for co-design | |
CN117057235B (zh) | 基于激光器的光纤测温点部署系统 | |
CN114708331B (zh) | 深度相机的校准方法、装置、电子设备和存储介质 |
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 |