CN112987292A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112987292A CN112987292A CN202110406155.5A CN202110406155A CN112987292A CN 112987292 A CN112987292 A CN 112987292A CN 202110406155 A CN202110406155 A CN 202110406155A CN 112987292 A CN112987292 A CN 112987292A
- Authority
- CN
- China
- Prior art keywords
- dot matrix
- optical system
- light spot
- matrix light
- deviation information
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000009434 installation Methods 0.000 title claims abstract description 52
- 230000003287 optical effect Effects 0.000 claims abstract description 191
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 32
- 230000004075 alteration Effects 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004088 simulation Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 239000004480 active ingredient Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- XULSCZPZVQIMFM-IPZQJPLYSA-N odevixibat Chemical compound C12=CC(SC)=C(OCC(=O)N[C@@H](C(=O)N[C@@H](CC)C(O)=O)C=3C=CC(O)=CC=3)C=C2S(=O)(=O)NC(CCCC)(CCCC)CN1C1=CC=CC=C1 XULSCZPZVQIMFM-IPZQJPLYSA-N 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本申请公开了一种基于点阵光斑质心偏差信息的计算机辅助装调方法、装置、系统及计算机可读存储介质,方法应用于具有点阵光斑信息采集系统的计算机辅助装调系统,包括:获取理想光学系统和失调光学系统的点阵光斑图像信息;根据理想光学系统和失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息;基于点阵光斑质心偏差信息和预设偏差阈值计算失调光学系统的装配误差值,通过装配误差值来指导光学系统的装调,从而在额外不增加波前检测系统基础上,实现高装配性能、高装配效率的计算机辅助装调系统。
Description
技术领域
本申请涉及计算机辅助装调技术领域,特别是涉及一种基于点阵光斑质心偏差信息的计算机辅助装调方法、装置、系统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,光学系统被广泛应用于日常工作生活中,比如手机镜头、空间相机、天文太空望远镜等等。在对光学系统中的各光学镜片进行装调过程中,难免存在装配误差,传统基于技师经验的装调难以满足光学系统日益增长的装配性能需求和装配效率需求,计算机辅助装调技术应用而生。
计算机辅助装调技术通过实测光学系统成像质量的指标来计算求得镜片的装配误差,光学系统成像质量的指标诸如为波前像差,离焦星点图等等,指导光学系统装配调整,解决了传统技术高度依赖装配人员的装调经验导致装配性能不稳定和装配效率低的技术弊端。现有的计算机辅助装调方法如敏感度矩阵法、逆向优化法、微分波前抽样法、矢量像差法等都是在基于光学系统的波前像差泽尼克系数与镜片装配误差之间的函数关系的基础上计算装配误差。因此,为了计算光学系统装配误差,波前像差的检测是必不可少的环节。
由于现有的计算机辅助装调方法是基于装配误差和波前像差泽尼克系数之间的关系进行装配误差的计算,其需要先得到泽尼克像差系数才能进行光学系统装配误差的计算,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。不仅增加了装调过程中繁琐程度和工程应用的难度,而且这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时对实验环境的要求极其苛刻。
鉴于此,如何在光学系统不额外增加波前检测系统基础上,实现高装配性能、高装配效率的计算机辅助装调系统,是所属领域技术人员需要解决的技术问题。
发明内容
本申请提供了一种基于点阵光斑质心偏差信息的计算机辅助装调方法、装置、系统及计算机可读存储介质,无需额外增加波前检测系统便可对光学系统进行装配误差的计算,提高了光学系统的装配性能和装配效率,有利于促进并推动精密光学系统等光学产品自动化装调、智能制造的进程。
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基于点阵光斑质心偏差信息的计算机辅助装调方法,应用于具有点阵光斑信息采集装置的计算机辅助装调系统,包括:
获取理想光学系统和失调光学系统的点阵光斑图像信息;
根据所述理想光学系统和所述失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息;
基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统。
可选的,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值包括:
根据多个不同视场下的所述点阵光斑质心偏差信息与所述失调光学系统的镜片装配误差之间的非线性关系构建多元非线性函数;
基于所述多元非线性函数,利用多目标智能优化算法计算得到所述失调光学系统的装配误差。
可选的,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统的过程包括:
将装配参数种子输入至光学系统的仿真模型中,通过仿真得到当前装配参数状态下不同视场的点阵光斑质心偏差信息;
基于仿真状态下不同视场的点阵光斑质心偏差信息和实际视场下的点阵光斑质心偏差信息,调用优化评价函数关系式得到优化评价因子;
若所述优化评价因子小于所述预设偏差阈值,输出所述装配参数种子作为所述失调光学系统的装配误差值;
若所述优化评价因子大于等于所述预设偏差阈值,根据粒子群算法中的规则更新所述装配参数种子,并返回执行所述将装配参数种子输入至光学系统的仿真模型中的步骤直至计算得到的当前优化评价因子小于所述预设偏差阈值。
可选的,所述优化评价函数关系式为:
可选的,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值包括:
基于所述点阵光斑质心偏差信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算所述失调光学系统的装配误差值。
可选的,所述基于所述点阵光斑质心偏差信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算所述失调光学系统的装配误差值包括:
在预设指定视场通过仿真计算所述失调光学系统的失调解算参数矩阵;
根据所述失调解算参数矩阵和所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值;
在基于所述装配误差值对所述失调光学系统进行装配误差补偿后,重新计算装调误差补偿后的失调光学系统的当前点阵光斑质心偏差信息;
若所述当前点阵光斑质心偏差信息大于等于所述预设偏差阈值,返回执行所述根据所述失调解算参数矩阵和所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值的步骤直至计算得到的当前点阵光斑质心偏差信息小于所述预设偏差阈值。
本发明实施例另一方面提供了一种基于点阵光斑质心偏差信息的计算机辅助装调装置,应用于具有点阵光斑信息采集装置的计算机辅助装调系统,包括:
图像获取模块,用于获取理想光学系统和失调光学系统的点阵光斑图像信息;
质心偏差信息计算模块,用于根据所述理想光学系统和所述失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息;
装配误差计算模块,用于基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统。
本发明实施例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基于点阵光斑质心偏差信息的计算机辅助装调程序,所述基于点阵光斑质心偏差信息的计算机辅助装调程序被处理器执行时实现如前任一项所述基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
本发明实施例最后还提供了一种基于点阵光斑质心偏差信息的计算机辅助装调系统,包括点阵光斑信息采集装置、处理器及存储器;
所述点阵光斑信息采集装置用于采集光学系统的被测波前被分割为多个子光束并汇聚至焦平面所形成的点阵光斑图,并将采集所得的点阵光斑图像信息发送至所述处理器;
所述处理器用于执行所述存储器中存储的计算机程序时实现如上任一项所述基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
可选的,所述点阵光斑信息采集装置包括微透镜阵列和图像传感器;
所述微透镜阵列中的各微透镜具有相同的焦距,所述图像传感器位于所述微透镜阵列的焦平面位置;
所述微透镜阵列用于将所述光学系统的被测波前分割为多个子光束并汇聚至所述焦平面,所述图像传感器采集所述焦平面上的点阵光斑图生成点阵光斑图像信息。
本申请提供的技术方案的优点在于,只需要在现有光学系统的基础上,通过增加点阵光斑信息采集装置实现对光学系统的点阵光斑的获取,并以光学系统失调前后状态下点阵光斑的质心位置信息为目标,通过智能寻优算法求解得到当前失调光学系统的装配误差,从而给予光学系统的补偿校正的指导,无需额外增加波前检测系统便可对光学系统进行装配误差的计算,不仅提高了光学系统的装配性能和装配效率,而且操作简单、成本低廉、对实施环境要求不高,更利于工程实践应用,有利于促进并推动精密光学系统等光学产品自动化装调、智能制造的进程。
此外,本发明实施例还针对基于点阵光斑质心偏差信息的计算机辅助装调方法提供了相应的实现装置、系统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、系统及计算机可读存储介质具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关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基于点阵光斑质心偏差信息的计算机辅助装调方法的流程示意图;
图2为本发明实施例提供的另一种基于点阵光斑质心偏差信息的计算机辅助装调方法的流程示意图;
图3为本发明实施例提供的另一种基于点阵光斑质心偏差信息的计算机辅助装调方法的流程示意图;
图4为本发明实施例提供的基于点阵光斑质心偏差信息的计算机辅助装调装置的一种具体实施方式结构图;
图5为本发明实施例提供的基于点阵光斑质心偏差信息的计算机辅助装调系统的一种具体实施方式结构图;
图6为本发明实施例提供的点阵光斑信息采集装置的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。
众所周知,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依靠人工、精度偏差大、装配性能不稳定的问题而诞生,该方法依托计算机强大的运算性能,基于光学系统成像质量计算得到光学系统装配误差从而提供装调指导,可以实现光学系统自动化装调和智能制造。
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、人工神经网络法以及基于矢量像差理论的解析模型法等等;而波前像差系数都是通过波前传感器采集得到,因此对于大部分光学系统来说,都需要根据波前传感器的特点设计并搭建额外的光路进行装调试验,十分不利于自动化装调系统的集成,计算机辅助装调技术的工程化遭遇瓶颈。
因此,部分研究学者开始寻找其他的计算机辅助装调技术或方法。经过文献和专利检索,与计算机辅助装调相关的技术或方法包括:
张斌等人的光学系统计算机辅助装调的一种优化算法公开了一种利用敏感度矩阵建立光学系统装配误差与波前像差系数之间的近似线性关系,通过对像差系数的测量而反向求解得到装配误差。公开号为CN107271150A公开了一种基于干涉仪实际测量波前像差及敏感度矩阵的计算机辅助装调方法,减小了理想模型与现实系统不符从而对装调精度的影响,获得了更加精准的装调效果;公开号为CN103744173B公开一种根据光学设计软件建立并训练装配误差与系统波像差之间的多重神经网络模型,从而根据实际波像差计算得到实际装配误差的一种计算机辅助装调法。罗淼等人的计算机辅助装调方法在离轴卡塞格林系统中的应用公开一种逆向优化法的计算机辅助装调方法,它不需要建立特定的数学模型,只要根据在光学设计软件内部构建以波像差系数的评价函数,以实际波像差系数为目标并采用内置的最小二乘算法对评价函数进行优化从而得到系统装配误差,它直接利用光学系统的自身模型,算法操作上较为方便。公开号为CN103744173A公开了一种基于像散分解获得主次镜对准误差的方法,仅利用波像差系数像散项进行装配误差的计算,在一定程度上可以提高装调效率和装配精度的可靠性。但是,这些方法基于波像差系数进行计算,需要额外的波前传感器检测波像差系数,才能提供指导。
为了解决上述现有技术的弊端,本申请基于点阵光斑质心偏差信息计算得到光学系统的装配误差,无需额外增加波前检测系统,有效提升光学系统的装配性能和装配效率。
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基于点阵光斑质心偏差信息的计算机辅助装调方法的流程示意图,应用于具有点阵光斑信息采集装置的计算机辅助装调系统,本发明实施例可包括以下内容:
S101:获取理想光学系统和失调光学系统的点阵光斑图像信息。
在本实施例中,理想光学系统是指不具有装配误差的光学系统,失调光学系统为待装调的光学系统,是具有装配误差的光学系统,也即是根据本申请技术方案计算得到的装配误差值来指导装调的光学系统。本实施例应用于具有点阵光斑信息采集装置的计算机辅助装调系统,也就是说,本实施例是适用于使用计算机辅助装调方法指导光学系统装调且整个工作系统中包括可以实现光学系统的点阵光斑图像信息采集功能的点阵光斑信息采集装置,所谓的点阵光斑图像信息即为光学系统出射的光束也称为被测波前被分割为多个子光束,每个子光束在成像焦平面上为一个光斑,多个子光束在成像焦平面形成点阵光斑,点阵光斑被采集后形成点阵光斑图像信息。
S102:根据理想光学系统和失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息。
本实施例的点阵光斑质心偏差信息是指同一个视场下理想光学系统的点阵光斑的质心位置与失调光学系统的点阵光斑的质心位置的差值。
S103:基于点阵光斑质心偏差信息计算失调光学系统的装配误差值,以通过装配误差值和预设偏差阈值来指导装调失调光学系统。
本实施例的装配误差值用于补偿当前失调光学系统存在的装配误差,预设偏差阈值用于标识是否还需要继续对光学系统进行装调,至于预设偏差阈值的设置可根据实际情况进行自定义。可在按照S103计算得到的装配误差值对失调光学系统进行补偿后重新计算得到当前装配误差与预设偏差阈值进行比较来确定是否满足装配要求,从而决定是否还要继续装调光学系统。也可直接通过S103计算得到的装配误差值与预设偏差阈值的数值关系确定是否要对失调系统进行装调。
在本发明实施例提供的技术方案中,只需要在现有光学系统的基础上,通过增加点阵光斑信息采集装置实现对光学系统的点阵光斑的获取,并以光学系统失调前后状态下点阵光斑的质心位置信息为目标,通过智能寻优算法求解得到当前失调光学系统的装配误差,从而给予光学系统的补偿校正的指导,无需额外增加波前检测系统便可对光学系统进行装配误差的计算,不仅提高了光学系统的装配性能和装配效率,而且操作简单、成本低廉、对实施环境要求不高,更利于工程实践应用,有利于促进并推动精密光学系统等光学产品自动化装调、智能制造的进程。
在上述实施例中,对于如何执行步骤S103并不做限定,本实施例中给出一种实施方式,如图2所示,本实施例的点阵光斑信息采集装置包括微透镜阵列和图像传感器,图像传感器以CCD图像传感器为示例,基于点阵光斑信息采集装置采集的点阵光斑图像信息、以光学系统失调前后状态下点阵光斑的质心位置信息为目标,将装配误差求解问题转换成多目标优化问题,更利于工程实践应用,可包括下述内容:
根据多个不同视场下的点阵光斑质心偏差信息与失调光学系统的镜片装配误差之间的非线性关系构建多元非线性函数;基于多元非线性函数,利用多目标智能优化算法计算得到失调光学系统的装配误差。其中,多目标智能优化算法包括但不限制于遗传算法,模拟退火算法,蚁群算法,粒子群算法。
作为一种可选的实施方式,上述内容可包括如下步骤:
将装配参数种子输入至光学系统的仿真模型中,通过仿真得到当前装配参数状态下不同视场的点阵光斑质心偏差信息;
基于仿真状态下不同视场的点阵光斑质心偏差信息和实际视场下的点阵光斑质心偏差信息,调用优化评价函数关系式得到优化评价因子;
若优化评价因子小于预设偏差阈值,输出装配参数种子作为失调光学系统的装配误差值;
若优化评价因子大于等于预设偏差阈值,根据粒子群算法中的规则更新装配参数种子,并返回执行将失调光学系统的装配参数种子输入至失调光学系统在不同视场下的光学系统模型中的步骤直至计算得到的当前优化评价因子小于预设偏差阈值。
其中,优化评价函数关系式可表示为:
以某失调光学系统为例,若选择p个不同的视场进行测试或仿真,并且每个视场的测试结果含有m个有效的子孔径,而根据每个子孔径的光斑会计算得到X和Y两个方向上的质心偏差信息,那么一共会产生p*m*2个质心偏差信息,则n需要满足下述关系式:n≤p*m*2。
A1:首先计算待求解的装配参数引入的点阵光斑质心偏心信息目标:测量存在装配误差的光学系统在不同视场下的点阵光斑图像,并计算不同视场下点阵光斑的质心偏差信息分布,质心偏差信息分布例如可表示为:
A4:比较阈值和MF,阈值例如可设置为10-5。如果MF大于等于阈值,则可根据粒子群算法中的规则更新测试装配参数种子,并返回到步骤A2;如果MF小于阈值,则执行A5。
A5:输出当前的测试装配参数种子,即为待求解的装配参数。
需要说明的是,该方法没有直接求解点阵光斑质心偏差信息与装配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非线性优化的问题。因此,现有的大部分的优化算法比如遗传算法,模拟退火算法,蚁群算法,粒子群算法等等都可以进行求解。本实施例采用粒子群算法进行求解只是一个示意性例子。
本实施例直接利用点阵光斑质心偏差信息与镜片装配误差之间的非线性函数关系,构建了装配误差与不同视场下点阵光斑质心偏差信息之间的多元非线性函数,根据目标系统不同视场下点阵光斑质心偏差信息,通过智能寻优算法求解得到当前系统的装配误差,只需要微透镜阵列和图像传感器即可实现,工程实施容易。
本申请还针对S103提供了另一种实施方式,与上述方式并列,因此,可作为另一种可选的实施方式,请参阅图3,本实施例的点阵光斑信息采集装置可包括微透镜阵列和CCD图像传感器,基于点阵光斑信息采集装置采集的点阵光斑图像信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算失调光学系统的装配误差值的过程可包括:
在预设指定视场通过仿真计算失调光学系统的失调解算参数矩阵;
根据失调解算参数矩阵和点阵光斑质心偏差信息计算失调光学系统的装配误差值;
在基于装配误差值对失调光学系统进行装配误差补偿后,重新计算装调误差补偿后的失调光学系统的点阵光斑质心偏差信息;
若当前点阵光斑质心偏差信息大于等于预设偏差阈值,返回执行根据失调解算参数矩阵和点阵光斑质心偏差信息计算失调光学系统的装配误差值的步骤直至计算得到的当前点阵光斑质心偏差信息小于预设偏差阈值。
其中,拟合算法例如可为但并不限制于为最小二乘拟合法,为了使所属领域技术人员更加清楚明白本实施例的技术方案,本实施例的装配误差值的整个计算流程可以包括:
B1:对于存在装配误差的光学系统也即失调光学系统,预先搭建微透镜阵列和图像传感器作为点阵光斑信息采集装置。
B2:获取失调光学系统的点阵光斑图像信息,并计算其质心位置信息,设为K2,而理想情况下的光学系统即理想光学系统的点阵光斑可以通过仿真得到,其质心位置信息可设为K1,二者之间的差值即为多维列向量△K。
B3:计算失调解算参数矩阵:对于特定的光学系统和微透镜阵列+图像传感器的组合,失调解算参数矩阵是固定的。该矩阵可以通过仿真得到,例如可基于Python与Zemax的联合仿真,在指定视场下,把存在失调的光学系统的参数改变一个微小量,求出引入失调前后图像传感器上点阵光斑的质心偏差向量,通过取差商从而求得失调解算参数矩阵。
本实施例基于装配误差与波像差之前的近似线性关系,并通过最小二乘拟合法进行装配误差的求解,用来指导光学系统装调,操作简单易实施,光学系统装调性能好,效率高。
需要说明的是,本申请中各步骤之间没有严格的先后执行顺序,只要符合逻辑上的顺序,则这些步骤可以同时执行,也可按照某种预设顺序执行,图1-图3只是一种示意方式,并不代表只能是这样的执行顺序。
本发明实施例还针对基于点阵光斑质心偏差信息的计算机辅助装调方法提供了相应的装置,进一步使得所述方法更具有实用性。其中,装置应用于具有点阵光斑信息采集装置的计算机辅助装调系统。下面对本发明实施例提供的基于点阵光斑质心偏差信息的计算机辅助装调装置进行介绍,下文描述的基于点阵光斑质心偏差信息的计算机辅助装调装置与上文描述的基于点阵光斑质心偏差信息的计算机辅助装调方法可相互对应参照。
基于功能模块的角度,参见图4,图4为本发明实施例提供的基于点阵光斑质心偏差信息的计算机辅助装调装置在一种具体实施方式下的结构图,该装置可包括:
图像获取模块401,用于获取理想光学系统和失调光学系统的点阵光斑图像信息。
质心偏差信息计算模块402,用于根据理想光学系统和失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息。
装配误差计算模块403,用于基于点阵光斑质心偏差信息计算失调光学系统的装配误差值,以通过装配误差值和预设偏差阈值来指导装调失调光学系统。
可选的,在本实施例的一些实施方式中,上述装配误差计算模块403可以包括多目标寻优子模块和/或拟合子模块;
上述目标寻优子模块用于根据多个不同视场下的点阵光斑质心偏差信息与失调光学系统的镜片装配误差之间的非线性关系构建多元非线性函数;基于多元非线性函数,利用多目标智能优化算法计算得到失调光学系统的装配误差。
上述拟合子模块用于基于点阵光斑质心偏差信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算失调光学系统的装配误差值。
在本实施例的一种可选的实施方式中,上述目标寻优子模块例如可具体用于:
将装配参数种子输入至光学系统的仿真模型中,通过仿真得到当前装配参数状态下不同视场的点阵光斑质心偏差信息;
基于仿真状态下不同视场的点阵光斑质心偏差信息和实际视场下的点阵光斑质心偏差信息,调用优化评价函数关系式得到优化评价因子;
若优化评价因子小于预设偏差阈值,输出装配参数种子作为失调光学系统的装配误差值;
若优化评价因子大于等于预设偏差阈值,根据粒子群算法中的规则更新装配参数种子,并返回执行将失调光学系统的装配参数种子输入至失调光学系统在不同视场下的光学系统模型中的步骤直至计算得到的当前优化评价因子小于预设偏差阈值。
其中,优化评价函数关系式可表示为:
在本实施例的另一种可选的实施方式中,上述拟合子模块例如可具体用于:
在预设指定视场通过仿真计算失调光学系统的失调解算参数矩阵;
根据失调解算参数矩阵和点阵光斑质心偏差信息计算失调光学系统的装配误差值;
在基于装配误差值对失调光学系统进行装配误差补偿后,重新计算装调误差补偿后的失调光学系统的当前点阵光斑质心偏差信息;
若当前点阵光斑质心偏差信息大于等于预设偏差阈值,返回执行根据失调解算参数矩阵和点阵光斑质心偏差信息计算失调光学系统的装配误差值的步骤直至计算得到的当前点阵光斑质心偏差信息小于预设偏差阈值。
本发明实施例所述基于点阵光斑质心偏差信息的计算机辅助装调装置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,本发明实施例在额外不增加波前检测系统基础上,实现高装配性能、高装配效率的计算机辅助装调系统。
可以理解的是,如果上述实施例中的基于点阵光斑质心偏差信息的计算机辅助装调方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此,本发明实施例还提供了一种计算机可读存储介质,存储有基于点阵光斑质心偏差信息的计算机辅助装调程序,所述基于点阵光斑质心偏差信息的计算机辅助装调程序被处理器执行时如上任意一实施例所述基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
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,本发明实施例在额外不增加波前检测系统基础上,实现高装配性能、高装配效率的计算机辅助装调系统。
本申请最后还提供了一种基于点阵光斑质心偏差信息的计算机辅助装调系统,请参见图5,基于点阵光斑质心偏差信息的计算机辅助装调系统可包括点阵光斑信息采集装置51、处理器52及存储器53。
其中,点阵光斑信息采集装置51可用于采集光学系统的被测波前被分割为多个子光束并汇聚至焦平面所形成的点阵光斑图,并将采集所得的点阵光斑图像信息发送至处理器52。存储器53,用于存储计算机程序,处理器52用于执行存储器53中存储的计算机程序时实现如上任一项基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
其中,处理器52可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器52可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器52也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器52可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器52还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器53可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器53还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器53至少用于存储以下计算机程序,其中,该计算机程序被处理器52加载并执行之后,能够实现前述任一实施例公开的基于点阵光斑质心偏差信息的计算机辅助装调方法的相关步骤。另外,存储器53所存储的资源还可以包括操作系统和数据等,存储方式可以是短暂存储或者永久存储。其中,操作系统可以包括Windows、Unix、Linux等。数据可以包括但不限于基于点阵光斑质心偏差信息的计算机辅助装调结果对应的数据等。
在一些实施例中,基于点阵光斑质心偏差信息的计算机辅助装调装置还可包括有显示屏、输入输出接口、通信接口、电源以及通信总线。
本领域技术人员可以理解,图5中示出的结构并不构成对基于点阵光斑质心偏差信息的计算机辅助装调装置的限定,可以包括比图示更多或更少的组件,例如还可包括其他类型传感器。
本发明实施例所述基于点阵光斑质心偏差信息的计算机辅助装调系统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,本发明实施例在额外不增加波前检测系统基础上,实现高装配性能、高装配效率的计算机辅助装调系统。
作为一种可选的实施方式,上述点阵光斑信息采集装置51例如可包括微透镜阵列和图像传感器;微透镜阵列包括多个光学透镜,图像传感器例如可为CCD。微透镜阵列中的各微透镜具有相同的焦距,图像传感器位于微透镜阵列的焦平面位置;微透镜阵列用于将光学系统的被测波前分割为多个子光束并汇聚至焦平面,图像传感器采集焦平面上的点阵光斑图生成点阵光斑图像信息。
基于图6所示的点阵光斑信息采集装置51结构,点阵光斑质心偏差信息的原理可包括:
点阵光斑信息采集装置51本质上由微透镜阵列和图像传感器如CCD组成,微透镜有统一的焦距,CCD置于微透镜的焦平面位置。当被测波前(即被测光束)通过微透镜阵列时,被其分割成多个子光束并汇聚到焦面上,得到点阵光斑图,被CCD采集和记录。当被测波前有畸变时,点阵光斑的质心位置会偏离参考光束点阵光斑的质心位置,一般位于子孔径中间位置,根据二者的差值可以计算得到子孔径光束沿X轴和Y轴的偏心信息和。
本实施例的图像传感器前方增加了一个微透镜阵列,将光束分割成许多个自光束孔径,增加了信息的利用程度,可以减少对视场数量的需求,操作更加简单易于实施。
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。
以上对本申请所提供的一种基于点阵光斑质心偏差信息的计算机辅助装调方法、装置、系统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,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种基于点阵光斑质心偏差信息的计算机辅助装调方法,其特征在于,应用于具有点阵光斑信息采集装置的计算机辅助装调系统,包括:
获取理想光学系统和失调光学系统的点阵光斑图像信息;
根据所述理想光学系统和所述失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息;
基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统。
2.根据权利要求1所述的基于点阵光斑质心偏差信息的计算机辅助装调方法,其特征在于,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值包括:
根据多个不同视场下的所述点阵光斑质心偏差信息与所述失调光学系统的镜片装配误差之间的非线性关系构建多元非线性函数;
基于所述多元非线性函数,利用多目标智能优化算法计算得到所述失调光学系统的装配误差。
3.根据权利要求2所述的基于点阵光斑质心偏差信息的计算机辅助装调方法,其特征在于,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统的过程包括:
将装配参数种子输入至光学系统的仿真模型中,通过仿真得到当前装配参数状态下不同视场的点阵光斑质心偏差信息;
基于仿真状态下不同视场的点阵光斑质心偏差信息和实际视场下的点阵光斑质心偏差信息,调用优化评价函数关系式得到优化评价因子;
若所述优化评价因子小于所述预设偏差阈值,输出所述装配参数种子作为所述失调光学系统的装配误差值;
若所述优化评价因子大于等于所述预设偏差阈值,根据粒子群算法中的规则更新所述装配参数种子,并返回执行所述将装配参数种子输入至光学系统的仿真模型中的步骤直至计算得到的当前优化评价因子小于所述预设偏差阈值。
5.根据权利要求1所述的基于点阵光斑质心偏差信息的计算机辅助装调方法,其特征在于,所述基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值包括:
基于所述点阵光斑质心偏差信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算所述失调光学系统的装配误差值。
6.根据权利要求5所述的基于点阵光斑质心偏差信息的计算机辅助装调方法,其特征在于,所述基于所述点阵光斑质心偏差信息、光学系统装配误差与波像差之间的近似线性关系并结合拟合算法计算所述失调光学系统的装配误差值包括:
在预设指定视场通过仿真计算所述失调光学系统的失调解算参数矩阵;
根据所述失调解算参数矩阵和所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值;
在基于所述装配误差值对所述失调光学系统进行装配误差补偿后,重新计算装调误差补偿后的失调光学系统的当前点阵光斑质心偏差信息;
若所述当前点阵光斑质心偏差信息大于等于所述预设偏差阈值,返回执行所述根据所述失调解算参数矩阵和所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值的步骤直至计算得到的当前点阵光斑质心偏差信息小于所述预设偏差阈值。
7.一种基于点阵光斑质心偏差信息的计算机辅助装调装置,其特征在于,应用于具有点阵光斑信息采集装置的计算机辅助装调系统,包括:
图像获取模块,用于获取理想光学系统和失调光学系统的点阵光斑图像信息;
质心偏差信息计算模块,用于根据所述理想光学系统和所述失调光学系统的点阵光斑图像信息确定点阵光斑质心偏差信息;
装配误差计算模块,用于基于所述点阵光斑质心偏差信息计算所述失调光学系统的装配误差值,以通过所述装配误差值和预设偏差阈值来指导装调所述失调光学系统。
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基于点阵光斑质心偏差信息的计算机辅助装调程序,所述基于点阵光斑质心偏差信息的计算机辅助装调程序被处理器执行时实现如权利要求1至6任一项所述基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
9.一种基于点阵光斑质心偏差信息的计算机辅助装调系统,其特征在于,包括点阵光斑信息采集装置、处理器及存储器;
所述点阵光斑信息采集装置用于采集光学系统的被测波前被分割为多个子光束并汇聚至焦平面所形成的点阵光斑图,并将采集所得的点阵光斑图像信息发送至所述处理器;
所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至6任一项所述基于点阵光斑质心偏差信息的计算机辅助装调方法的步骤。
10.根据权利要求9所述的基于点阵光斑质心偏差信息的计算机辅助装调系统,其特征在于,所述点阵光斑信息采集装置包括微透镜阵列和图像传感器;
所述微透镜阵列中的各微透镜具有相同的焦距,所述图像传感器位于所述微透镜阵列的焦平面位置;
所述微透镜阵列用于将所述光学系统的被测波前分割为多个子光束并汇聚至所述焦平面,所述图像传感器采集所述焦平面上的点阵光斑图生成点阵光斑图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406155.5A CN112987292B (zh) | 2021-04-15 | 2021-04-15 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110406155.5A CN112987292B (zh) | 2021-04-15 | 2021-04-15 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987292A true CN112987292A (zh) | 2021-06-18 |
CN112987292B CN112987292B (zh) | 2021-08-10 |
Family
ID=76340595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110406155.5A Active CN112987292B (zh) | 2021-04-15 | 2021-04-15 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987292B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1601230A (zh) * | 2003-09-28 | 2005-03-30 | 中国科学院光电技术研究所 | 基于微棱镜阵列的光学检测哈特曼波前传感器 |
CN102648389A (zh) * | 2009-05-19 | 2012-08-22 | 生物纳米基因公司 | 用于动态确定样品空间取向并动态重新定位的装置和方法 |
CN103984808A (zh) * | 2014-04-30 | 2014-08-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于光学元件面形的计算机辅助装调模型的建立方法 |
CN106546326A (zh) * | 2016-09-28 | 2017-03-29 | 中国科学院长春光学精密机械与物理研究所 | 哈特曼波前探测器子孔径内多项模式的波前探测方法 |
CN106651929A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院西安光学精密机械研究所 | 一种高精度亚像元位移产生方法 |
CN110687680A (zh) * | 2018-07-04 | 2020-01-14 | 中国科学院电子学研究所 | 透镜的优化方法 |
CN112415735A (zh) * | 2020-03-16 | 2021-02-26 | 中国科学院深圳先进技术研究院 | 一种用于显微镜的实时自动对焦系统 |
-
2021
- 2021-04-15 CN CN202110406155.5A patent/CN112987292B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1601230A (zh) * | 2003-09-28 | 2005-03-30 | 中国科学院光电技术研究所 | 基于微棱镜阵列的光学检测哈特曼波前传感器 |
CN102648389A (zh) * | 2009-05-19 | 2012-08-22 | 生物纳米基因公司 | 用于动态确定样品空间取向并动态重新定位的装置和方法 |
CN103984808A (zh) * | 2014-04-30 | 2014-08-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于光学元件面形的计算机辅助装调模型的建立方法 |
CN106546326A (zh) * | 2016-09-28 | 2017-03-29 | 中国科学院长春光学精密机械与物理研究所 | 哈特曼波前探测器子孔径内多项模式的波前探测方法 |
CN106651929A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院西安光学精密机械研究所 | 一种高精度亚像元位移产生方法 |
CN110687680A (zh) * | 2018-07-04 | 2020-01-14 | 中国科学院电子学研究所 | 透镜的优化方法 |
CN112415735A (zh) * | 2020-03-16 | 2021-02-26 | 中国科学院深圳先进技术研究院 | 一种用于显微镜的实时自动对焦系统 |
Non-Patent Citations (2)
Title |
---|
易亨瑜 等: "光学系统辅助装调技术研究", 《光学与光电技术》 * |
顾志远: "光学系统计算机辅助装调的坐标基准过渡方法", 《光学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112987292B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110188321B (zh) | 一种基于神经网络算法的主次镜校准方法 | |
CN111811785B (zh) | 大动态范围望远镜像差的检测方法、装置、设备及介质 | |
US11435289B2 (en) | Optical distortion measuring apparatus and optical distortion measuring method, image processing system, electronic apparatus and display apparatus | |
CN104966308A (zh) | 一种计算激光光束光斑大小的方法 | |
JP5595463B2 (ja) | 波面光学測定装置 | |
CN105466351A (zh) | 用于检测凸非球面面形误差的折反式部分补偿器及设计方法 | |
CN110186394B (zh) | 平面镜面形检测方法、装置、设备及计算机可读存储介质 | |
CN111812836A (zh) | 大口径大视场相机的标校装调方法、装置、设备及介质 | |
CN103234480A (zh) | 一种环形凸非球面的快速面形检测方法 | |
CN110705040A (zh) | 一种基于泽尼克多项式系数与最小二乘法求取主次镜失调误差量的方法 | |
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 | |
CN111829671B (zh) | 一种高分辨波前检测装置及波前复原方法 | |
JP4340625B2 (ja) | 光学検査方法および装置 | |
CN112882483A (zh) | 星敏感器在轨标定方法、装置和存储介质 | |
CN117150888A (zh) | 基于机器学习的光谱仪结构设计方法、电子设备、介质 | |
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 | |
Shwayyea et al. | Simulation and Evaluation of a Variable Effective Focal Length of Refractive Binocular Telescope | |
CN115423881A (zh) | 一种基于神经网络和光斑形态的主次镜快速校准方法 | |
Kim et al. | Model predictive control of time-varying aberrations for sensorless adaptive optics | |
CN115901181A (zh) | 一种基于cgh的凸面光栅检测系统及设计方法 | |
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 | |
CN102840965B (zh) | 一种复杂光瞳望远镜的误差检测方法 | |
Gu et al. | Shack–Hartmann wavefront sensor based on Kalman filter | |
CN111399210A (zh) | 大口径大视场望远镜粗对准方法、装置、设备及存储介质 | |
Chulani | Weighted fourier phase slope as a centroiding method in a shack-hartmann wavefront sensor for adaptive optics in astronomy |
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 |