CN115031927B - 一种椭圆高斯分布光斑质心的高精度定位方法 - Google Patents
一种椭圆高斯分布光斑质心的高精度定位方法 Download PDFInfo
- Publication number
- CN115031927B CN115031927B CN202210612824.9A CN202210612824A CN115031927B CN 115031927 B CN115031927 B CN 115031927B CN 202210612824 A CN202210612824 A CN 202210612824A CN 115031927 B CN115031927 B CN 115031927B
- Authority
- CN
- China
- Prior art keywords
- light spot
- model
- elliptical gaussian
- gaussian
- elliptical
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- 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
-
- 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
- G06F17/156—Correlation function computation including computation of convolution operations using a domain transform, e.g. Fourier transform, polynomial transform, number theoretic transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供的一种椭圆高斯分布光斑质心的高精度定位方法,针对入射光斑为椭圆高斯光斑情况下,提出基于二次融合的椭圆高斯光斑位置精估计算法,实现椭圆高斯光斑位置的精确估计,相比于现有Composite拟合算法只进行了一次融合定位精度受限,本发明关键点是将Composite拟合算法得到的估计值与光斑质心实际值进行以傅里叶函数为基函数的高精度建模,再将新模型与原Composite算法模型进行了二次融合,从而得到更高精度的椭圆高斯光斑定位模型,以该模型进行椭圆高斯光斑位置检测,可达到1e‑5mm的光斑定位精度,比原Composite算法精度提高了一个数量级,有助于角秒级微小偏角的高精度测量。
Description
技术领域
本发明属于激光光斑定位技术领域,具体涉及一种椭圆高斯分布光斑质心的高精度定位方法。
背景技术
四象限光电探测器(Quadrant Photoelectric Detectors,QPD)是把四个性能完全相同的光电二极管按照直角坐标要求排列而成的光电探测器件,具有探测灵敏度高、信号处理简单和抗干扰能力强等优点,常用于激光制导、激光准直或者激光测角中。
由于QPD是二维器件,可以获取两个正交方向的光斑位置解算值。当激光束照射到四象限探测器表面上时,四个光电二极管根据照射到其表面光斑功率的大小,输出四路对应大小的光电流信号,根据四路光电流信号进行光斑位置解算,得到光斑位置的解算值。实际中,鉴于探测器不同区域能量的不均匀性、探测器不同区域的响应速率、灵敏度等的不均匀性等因素的影响,使得光斑位置解算值与光斑质心实际位置不是线性关系,而是呈现“S”型曲线关系。因此研究这种“S”型曲线关系模型,并由解算值通过一定的算法获得光斑的质心实际位置是研究的难点和重点。
目前,对圆形光斑的定位算法有很多,文献“基于四象限探测器的高精度激光光斑位置检测技术研究”(吴佳彬,博士学位论文,中国科学院大学,2016)中提到的Composite拟合法,算法误差仅为0.0007mm,但随着测量范围变大,QPD非线性增强,非线性误差变大。文献“一种基于数据库查询的四象限探测器光斑位置高精度定位算法”(高紫俊、董丽丽,大连海事大学,2013)通过建立光斑中心位置坐标与探测器各象限电流比的一一对应表,然后通过线性插值的方法估算光斑中心坐标,光斑检测误差不超过3.4μm,但算法精度受限于实验标定精度,需要采集大量实验数据,操作复杂,而插值计算也会带来误差。文献“Extendedthe linear measurement range of four-quadrant detector by using modifiedpolynomial fitting algorithm in micro-displacement measuring system”(Q.Vo,XiaodongZhang,FengzhouFang,Optics&Laser Technology Volume 112,15April 2019,Pages 332-338)中提出了将中心逼近法与多项式拟合法相结合的新算法,扩展了线性测量范围,分辨率为20nm,但仅分析了圆形均匀和圆形高斯光斑,适用范围局限。文献“基于四象限探测器的高精度激光光斑位置检测技术研究”(吴佳彬,博士学位论文,中国科学院大学,2016)中提到的Composite拟合算法,是对入射到四象限探测器上服从圆形高斯分布的光斑进行位置解算。首先是利用Infinite integral拟合函数对光斑位置进行拟合,Infiniteintegral拟合函数是针对圆形高斯光斑的几何近似法,并且考虑死区宽度与光敏面半径的影响,得到带参数的拟合函数表达式,表达式中的参数由最小二乘法得到,然后因为圆形高斯光斑位置解算值与实际值之间满足“S”型函数关系,文献中选用Boltzmann函数对光斑位置进行拟合,系数同样由最小二乘法得到,将Infinite integral拟合算法得到的函数与Boltzmann拟合算法得到的函数进行线性组合,称为Composite拟合算法,算法的拟合精度较前两种算法有提升,光斑位置检测误差为10-4mm。
可以看出,上述研究假设光斑服从圆形高斯型,而实际中,光在传播过程中会受到各种因素的影响,导致光斑并非是服从标准高斯光斑特性,而是近似椭圆高斯光斑;而现有算法所用高斯光斑模型不适合椭圆高斯光斑模型。尤其在高精度测量领域,比如角秒级微小偏角测量方面,上述算法精度将不能满足实际需求。针对该问题,研究符合实际的椭圆高斯光斑定位模型及高精度定位算法至关重要。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种椭圆高斯分布光斑质心的高精度定位方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供的一种椭圆高斯分布光斑质心的高精度定位方法包括:
步骤1:建立激光实际传播的椭圆高斯光斑模型;
步骤2:根据所述椭圆高斯光斑模型,建立椭圆高斯光斑质心位置解算值与质心位置实际值之间的关系模型;
步骤3:在所述关系模型的基础上,分别建立基于Infinite integral方法和Logistic方法的椭圆高斯光斑位置估计模型,并将两个椭圆高斯光斑位置估计模型进行融合,得到IL椭圆高斯光斑位置融合估计模型;
步骤4:利用所述IL椭圆高斯光斑位置融合估计模型对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值;
步骤5:对所述椭圆高斯光斑位置的粗略估计值和光斑位置实际值进行高精度建模,得到精确椭圆高斯光斑位置检测模型;
步骤6:利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
可选的,所述步骤1包括:
根据入射至四象限探测器的光斑能量,在椭圆高斯光斑长轴、短轴及光斑能量中心确定的前提下,建立激光实际传播的椭圆高斯光斑模型;
所述椭圆高斯光斑模型表示为:
式中,(x0,y0)为光斑能量中心,I0为(x0,y0)点的能量大小,ωa、ωb分别为椭圆高斯光斑的长轴和短轴。
可选的,所述关系模型表示为:
其中,四象限探测器的死区宽度为d,圆形探测器光敏面的半径为R。
可选的,所述IL椭圆高斯光斑位置融合估计模型表示为:
x0(σx)=m*x01(σx)+(1-m)*x02(σx)
可选的,所述步骤4包括:
利用探测器椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第一椭圆高斯光斑位置残差模型,选取最优加权系数参数;
在所述最优加权系数参数确定下,利用所述IL椭圆高斯光斑位置融合估计模型对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值。
可选的,所述第一椭圆高斯光斑位置残差模型表示为
最优加权系数参数表示为
可选的,步骤5包括:
利用三阶傅里叶函数对所述光斑位置粗略估计值进行高精度建模,得到椭圆高斯光斑位置的三阶精确估计模型;
将IL椭圆高斯光斑位置融合估计模型与所述三阶精确估计模型进行加权融合,得到精确椭圆高斯光斑位置检测模型。
可选的,所述三阶精确估计模型表示为
x1(σx)=a0+a1*cos(x0(σx)*ω)+b1*sin(x0(σx)*ω)
+a2cos(2*x0(σx)*ω)+b2*sin(2*x0(σx)*ω)
+a3*cos(3*x0(σx)*ω)+b3*sin(3*x0(σx)*ω)
其中,各项系数分别为a0=-5.789×10-15、a1=8.986×10-15、b1=1.327、a2=-3.91×10-15、b2=-0.2892、a3=8.132×10-16、b3=0.03719、ω=1.163;
所述精确椭圆高斯光斑位置检测模型表示为:
x2(σx)=n*x1(σx)+(1-n)*x0(σx)
可选的,所述步骤6包括:
利用探测器上椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第二椭圆高斯光斑位置残差模型,选取最优融合系数参数;
在所述最优融合系数参数确定下,利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
可选的,所述第二椭圆高斯光斑位置残差模型表示为
最优融合系数参数表示为
1、本发明提供的一种椭圆高斯分布光斑质心的高精度定位方法,根据光斑能量分布推导椭圆高斯光斑模型,该模型更符合实际激光传播后所形成的光斑特性;
2、本发明提出了专门针对入射光斑为椭圆高斯光斑情况下的基于Infiniteintegral的光斑定位算法,以及专门针对入射光斑为椭圆高斯光斑情况下的基于Logistic的光斑定位算法,并将两种定位算法结合提出了专门针对入射光斑为椭圆高斯光斑情况下的基于Infinite integral和Logistic的IL椭圆高斯光斑位置融合估计算法用于椭圆高斯光斑位置的粗估计;
3、本发明提出了专门针对入射光斑为椭圆高斯光斑情况下基于二次融合的椭圆高斯光斑位置精估计算法,实现椭圆高斯光斑位置的精确估计,相比于现有Composite拟合算法只进行了一次融合定位精度受限,本发明关键点是将Composite拟合算法得到的估计值与光斑质心实际值进行以傅里叶函数为基函数的高精度建模,再将新模型与原Composite算法模型进行了二次融合,从而得到更高精度的椭圆高斯光斑定位模型,以该模型进行椭圆高斯光斑位置检测,可达到1e-5mm的光斑定位精度,比原Composite算法精度提高了一个数量级,有助于角秒级微小偏角的高精度测量;
4、本发明里面针对建模的参数确定问题,利用仿真或实验进行光斑实际位置的确定,然后利用光斑实际位置和光斑解算值,基于加权最小二乘参数估计法得到最优加权系数参数以及最优融合系数参数,分别用于椭圆高斯光斑位置的粗估计以及精确估计,这样有利于提高椭圆高斯光斑位置估计的精确度。
附图说明
图1是本发明所提一种椭圆高斯分布光斑质心的高精度定位方法的流程图;
图2是本发明所提一种椭圆高斯分布光斑质心的高精度定位方法过程示意图;
图3是基于Infinite integral算法和基于Logistic算法的椭圆高斯分布光斑质心定位结果和本发明所提方法的比较图;
图4是Composite法(融合Infinite integral算法和Logistic算法)和本发明所提方法的光斑定位结果比较图;
图5是本发明提出的椭圆高斯光斑位置检测误差。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
如图1所示,本发明提供的一种椭圆高斯分布光斑质心的高精度定位方法,包括:
步骤1:建立激光实际传播的椭圆高斯光斑模型;
本发明根据入射至四象限探测器的光斑能量,在椭圆高斯光斑长轴、短轴及光斑能量中心确定的前提下,建立激光实际传播的椭圆高斯光斑模型。
值得说明的是:参考图2,实际光在传播时,会受到各种因素的影响,其入射到四象限探测器的光斑能量将变化为椭圆高斯型光斑。因此,本发明在考虑椭圆高斯光斑长轴、短轴及光斑能量中心的前提下,建立如下椭圆高斯光斑模型:
式中,(x0,y0)为光斑能量中心,I0为(x0,y0)点的能量大小,ωa、ωb分别为椭圆高斯光斑的长轴和短轴;
步骤2:根据所述椭圆高斯光斑模型,建立椭圆高斯光斑质心位置解算值与质心位置实际值之间的关系模型;
参考图2,本发明为提高精度,在此处考虑四象限探测器的死区大小和探测器光敏面半径对椭圆高斯光斑位置检测的影响。设死区宽度为d,圆形探测器光敏面的半径为R,可以得到光斑质心位置解算值与质心位置实际值的关系模型为:
其中,四象限探测器的死区宽度为d,圆形探测器光敏面的半径为R。该模型为超越方程,无法直接得到反函数进一步求解椭圆高斯光斑位置实际值。本发明采用粗略估计和精确估计相结合的方式,实现高精度的椭圆高斯光斑位置检测。
步骤3:在所述关系模型的基础上,分别建立基于Infinite integral方法和Logistic方法的椭圆高斯光斑位置估计模型,并将两个椭圆高斯光斑位置估计模型进行融合,得到IL椭圆高斯光斑位置融合估计模型;
值得说明的是:参考图2,基于Infinite integral方法以及基于Logistic方法以圆形光斑为对象进行光斑质心计算,然而在实际激光传播过程中因受各种因素影响,光斑并非是服从标准高斯光斑特性,而是近似椭圆高斯光斑。因此本发明根据椭圆高斯光斑的特征,建立基于Infinite integral方法以及基于Logistic方法的椭圆高斯光斑位置估计模型,之后再进行融合,以适应椭圆高斯光斑,从而得到IL椭圆高斯光斑位置融合估计模型。
1、基于Infinite integral法建立椭圆高斯光斑位置估计模型过程如下:
本发明首先利用Infinite integral法对椭圆高斯光斑位置估计建模:因为四象限光电探测器(QPD)能够探测光斑在x方向和y方向两个方向的位置,且其位置估计原理一样。因此本发明仅以其中x方向为例进行说明,另一个方向操作步骤相同。具体做法如下:
(1)建立忽略了死区宽度和光敏面半径的椭圆高斯光斑几何近似法的椭圆高斯光斑位置检测函数模型如下:
式中,erf-1(·)为误差函数的反函数模型,x01为椭圆高斯光斑位置实际值,σx为椭圆高斯光斑位置解算值。不同于圆形高斯光斑的高斯半径,此处,ra为椭圆高斯光斑长轴半径,如果研究y方向偏移量,则ra代表椭圆高斯光斑短轴半径。
(2)建立考虑死区宽度和光敏面半径影响的椭圆高斯光斑加权几何近似法估计模型;
x01=g(σx)×ke (4)
(3)利用实验系统标定一组精确的光斑质心位置实际值,然后利用探测器探测的椭圆高斯光斑位置数据获得椭圆高斯光斑质心位置解算值,基于最小二乘法构建椭圆高斯光斑位置残差模型,选取最优权值参数ke;
(4)基于椭圆高斯光斑位置的估计模型x01=g(σx)*ke,计算得到光斑位置x01的估计值。
基于Logistic建立椭圆高斯光斑位置估计模型构建过程如下:
已知椭圆高斯光斑位置解算值与实际值之间满足“S”型关系,选取的“S”型函数模型能否准确反映光斑估计值和解算值之间的关系模型,对光斑定位精度影响至关重要。Logistic函数模型服从“S”型关系,且最大值为1,最小值为-1,模型关于原点对称,符合光斑估计值和解算值之间的关系模型。因此,本发明利用Logistic函数对椭圆高斯光斑位置进行建模和估计,具体做法如下:
(1)建立基于Logistic函数模型的椭圆高斯光斑解算值和实际值之间的关系模型为:
通过反函数运算可得到椭圆高斯光斑位置估计模型:
式中,γ为“S”型曲线在原点处的曲线斜率,对应到四象限探测器是探测器在原点附近的灵敏度,是本发明带求解的关键参数。
(2)利用实验系统测量标定一组精确的光斑质心位置实际值,然后利用探测器探测的椭圆高斯光斑位置数据获得椭圆高斯光斑质心位置解算值,基于最小二乘法构建椭圆高斯光斑位置残差模型,选取最优权值参数γ;
建立基于IL(Infinite integral和Logistic)椭圆高斯光斑位置融合估计模型。
本发明中将Infinite integral椭圆高斯光斑位置加权估计模型与Logistic椭圆高斯光斑位置估计模型融合,得到IL椭圆高斯光斑位置融合估计模型为:
x0(σx)=m*x01(σx)+(1-m)*x02(σx) (9)
步骤4:利用所述IL椭圆高斯光斑位置融合估计模型.对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值;
参考图2,本步骤利用椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第一椭圆高斯光斑位置残差模型,选取最优加权系数参数;在所述最优加权系数参数确定下,利用所述IL椭圆高斯光斑位置融合估计模型对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值。
利用椭圆高斯光斑位置解算值和实际值,基于最小二乘选取最优加权系数参数m;基于IL椭圆高斯光斑位置融合估计算法计算椭圆高斯光斑位置x0的估计值。
所述第一椭圆高斯光斑位置残差模型表示为
最优加权系数参数表示为
步骤5:对所述椭圆高斯光斑位置的粗略估计值和光斑位置实际值进行高精度建模,得到精确椭圆高斯光斑位置检测模型;
参考图2,本步骤利用三阶傅里叶函数对所述光斑位置粗略估计值进行高精度建模,得到椭圆高斯光斑位置的三阶精确估计模型;将IL椭圆高斯光斑位置融合估计模型与所述三阶精确估计模型进行加权融合,得到精确椭圆高斯光斑位置检测模型。
参考图2,对基于IL椭圆高斯光斑位置融合估计算法计算的椭圆高斯光斑位置x0的估计值进行高精度建模。为了更进一步提高椭圆高斯光斑定位精度,本发明对步骤3所得基于IL椭圆高斯光斑位置融合估计模型得到光斑估计值x0和光斑实际值之间的关系进行高精度建模,此处以三阶傅里叶函数来建模,得到三阶精确估计模型为
x1(σx)=a0+a1*cos(x0(σx)*ω)+b1*sin(x0(σx)*ω)
+a2cos(2*x0(σx)*ω)+b2*sin(2*x0(σx)*ω) (12)
+a3*cos(3*x0(σx)*ω)+b3*sin(3*x0(σx)*ω)
其中,各项系数分别为a0=-5.789×10-15、a1=8.986×10-15、b1=1.327、a2=-3.91×10-15、b2=-0.2892、a3=8.132×10-16、b3=0.03719、ω=1.163;
参考图2,建立椭圆高斯光斑高精度定位二次融合模型。融合椭圆高斯光斑精确估计模型x0(σx)和基于傅里叶函数为基函数的三阶精确估计模型x1(σx),可得精确椭圆高斯光斑位置检测模型为:
x2(σx)=n*x1(σx)+(1-n)*x0(σx)(13)
步骤6:利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
本步骤利用椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第二椭圆高斯光斑位置残差模型,选取最优融合系数参数;在所述最优融合系数参数确定下,利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
参考图2,利用探测器椭圆高斯光斑位置解算值和实际值,基于最小二乘法选取最优参数n,可得,所述第二椭圆高斯光斑位置残差模型表示为
最优融合系数参数表示为
参考图3~图5,图3至图5中纵轴为椭圆高斯光斑位置估计误差,横轴为椭圆高斯光斑质心沿着x轴的偏移量。图3展示了基于Infinite integral算法和基于Logistic算法的椭圆高斯分布光斑质心定位结果和本发明所提方法的比较结果,从图3中可以看出本发明的定位效果相比于现有的效果更好。图4是Composite法(融合Infinite integral算法和Logistic算法)和本发明所提方法的光斑定位结果比较图;从图4中可以看出,本发明的误差波动范围小、定位精度高。图5是本发明提出的椭圆高斯光斑位置检测误差,从图5中可以看出本发明的光斑定位精度已经达到1e-5mm
本发明不需要大量数据标定,操作简单,成本低,只需要将采集的数据代入椭圆高斯光斑位置加权估计模型,即可进行高精度椭圆高斯光斑位置估计,可达到1e-5mm的光斑定位精度;本发明提出的椭圆高斯光斑位置加权估计模型的定位精度较现有技术提高了一个数量级,有助于角秒级微小偏角的高精度测量。
本发明提供的一种椭圆高斯分布光斑质心的高精度定位方法,根据光斑能量分布推导椭圆高斯模型,该模型更符合实际激光传播后所形成的光斑特性;提出了专门针对入射光斑为椭圆高斯光斑情况下的基于Infinite integral的光斑定位算法以及专门针对入射光斑为椭圆高斯光斑情况下的基于Logistic的光斑定位算法,并将两种定位算法结合提出了专门针对入射光斑为椭圆高斯光斑情况下的基于Infinite integral和Logistic的IL椭圆高斯光斑位置融合估计算法用于椭圆高斯光斑位置的粗估计;提出了专门针对入射光斑为椭圆高斯光斑情况下基于二次融合的椭圆高斯光斑位置精估计算法实现椭圆高斯光斑位置的精确估计,相比于现有Composite拟合算法只进行了一次融合定位精度受限,本发明关键点是将Composite拟合算法得到的估计值与光斑质心实际值进行以傅里叶函数为基函数的高精度建模,再将新模型与原Composite算法模型进行了二次融合,从而得到更高精度的椭圆高斯光斑定位模型,以该模型进行椭圆高斯光斑位置检测,可达到1e-5mm的光斑定位精度,比原Composite算法精度提高了一个数量级,有助于角秒级微小偏角的高精度测量;本发明里面针对建模的参数确定问题,利用仿真或实验进行光斑实际位置的确定,然后利用光斑实际位置和光斑解算值,基于加权最小二乘参数估计法得到最优加权系数参数以及第二最优加权系数参数,分别用于椭圆高斯光斑位置的粗估计以及精确估计,这样有利于提高椭圆高斯光斑位置估计的精确度。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种椭圆高斯分布光斑质心的高精度定位方法,其特征在于,包括:
步骤1:建立激光实际传播的椭圆高斯光斑模型;
步骤2:根据所述椭圆高斯光斑模型,建立椭圆高斯光斑质心位置解算值与质心位置实际值之间的关系模型;
步骤3:在所述关系模型的基础上,分别建立基于Infinite integral方法和Logistic方法的椭圆高斯光斑位置估计模型,并将两个椭圆高斯光斑位置估计模型进行融合,得到IL椭圆高斯光斑位置融合估计模型;
步骤4:利用所述IL椭圆高斯光斑位置融合估计模型对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值;
步骤5:对所述椭圆高斯光斑位置的粗略估计值和光斑位置实际值进行高精度建模,得到精确椭圆高斯光斑位置检测模型;
步骤6:利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
5.根据权利要求4所述的高精度定位方法,其特征在于,所述步骤4包括:
利用探测器椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第一椭圆高斯光斑位置残差模型,选取最优加权系数参数;
在所述最优加权系数参数确定下,利用所述IL椭圆高斯光斑位置融合估计模型对椭圆高斯光斑位置进行粗略估计,得到椭圆高斯光斑位置的粗略估计值。
7.根据权利要求6所述的高精度定位方法,其特征在于,步骤5包括:
利用三阶傅里叶函数对所述光斑位置粗略估计值进行高精度建模,得到椭圆高斯光斑位置的三阶精确估计模型;
将IL椭圆高斯光斑位置融合估计模型与所述三阶精确估计模型进行加权融合,得到精确椭圆高斯光斑位置检测模型。
8.根据权利要求7所述的高精度定位方法,其特征在于,所述三阶精确估计模型表示为
x1(σx)=a0+a1*cos(x0(σx)*ω)+b1*sin(x0(σx)*ω)+a2cos(2*x0(σx)*ω)+b2*sin(2*x0(σx)*ω)+a3*cos(3*x0(σx)*ω)+b3*sin(3*x0(σx)*ω)
其中,各项系数分别为a0=-5.789×10-15、a1=8.986×10-15、b1=1.327、a2=-3.91×10-15、b2=-0.2892、a3=8.132×10-16、b3=0.03719、ω=1.163;
所述精确椭圆高斯光斑位置检测模型表示为:
x2(σx)=n*x1(σx)+(1-n)*x0(σx)
9.根据权利要求8所述的高精度定位方法,其特征在于,所述步骤6包括:
利用探测器上椭圆高斯光斑位置解算值和实际值,基于最小二乘法构建第二椭圆高斯光斑位置残差模型,选取最优融合系数参数;
在所述最优融合系数参数确定下,利用所述精确椭圆高斯光斑位置检测模型对椭圆高斯光斑位置进行精确估计,得到椭圆高斯光斑位置的高精度估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612824.9A CN115031927B (zh) | 2022-05-31 | 2022-05-31 | 一种椭圆高斯分布光斑质心的高精度定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612824.9A CN115031927B (zh) | 2022-05-31 | 2022-05-31 | 一种椭圆高斯分布光斑质心的高精度定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115031927A CN115031927A (zh) | 2022-09-09 |
CN115031927B true CN115031927B (zh) | 2023-07-07 |
Family
ID=83122553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612824.9A Active CN115031927B (zh) | 2022-05-31 | 2022-05-31 | 一种椭圆高斯分布光斑质心的高精度定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115031927B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315011B (zh) * | 2023-11-30 | 2024-04-02 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102164004A (zh) * | 2011-03-02 | 2011-08-24 | 中国科学院上海光学精密机械研究所 | 用于光斑定位的时变湍流位相屏快速模拟方法 |
CN113569393A (zh) * | 2021-07-13 | 2021-10-29 | 中国人民解放军63628部队 | 一种稳健的绝对定向算法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6288383B1 (en) * | 1999-10-25 | 2001-09-11 | Rafael-Armament Development Authority Ltd. | Laser spot locating device and system |
US7907762B2 (en) * | 2004-05-26 | 2011-03-15 | Guardian Technologies International, Inc. | Method of creating a divergence transform for identifying a feature of interest in hyperspectral data |
CN109164430B (zh) * | 2018-10-31 | 2020-07-28 | 北京理工大学 | 利用激光回波与光斑探测目标位置与姿态的系统及方法 |
CN110533601B (zh) * | 2019-07-15 | 2023-07-18 | 江苏大学 | 一种激光光斑中心位置及轮廓获取方法 |
CN110440691B (zh) * | 2019-08-12 | 2020-11-10 | 中国科学院长春光学精密机械与物理研究所 | 一种实用的高精度四象限探测器高斯光斑质心定位方法 |
CN110530315B (zh) * | 2019-08-29 | 2020-10-30 | 天津大学 | 用于四象限光电探测器位置测量标定的自动分段拟合方法 |
-
2022
- 2022-05-31 CN CN202210612824.9A patent/CN115031927B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102164004A (zh) * | 2011-03-02 | 2011-08-24 | 中国科学院上海光学精密机械研究所 | 用于光斑定位的时变湍流位相屏快速模拟方法 |
CN113569393A (zh) * | 2021-07-13 | 2021-10-29 | 中国人民解放军63628部队 | 一种稳健的绝对定向算法 |
Non-Patent Citations (3)
Title |
---|
X射线脉冲星大尺度时间转换模型研究;李小平 等;载人航天(第06期);628-634 * |
基于亚像素边缘的椭圆中心检测方法研究;杨险峰 等;光学仪器(06);481-485 * |
点结构光动态姿态角测量系统;江洁 等;红外与激光工程(03);532-536 * |
Also Published As
Publication number | Publication date |
---|---|
CN115031927A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106885576B (zh) | 一种基于多点地形匹配定位的auv航迹偏差估计方法 | |
Yang et al. | Laser scanning-based updating of a finite-element model for structural health monitoring | |
CN111007530B (zh) | 激光点云数据处理方法、装置及系统 | |
Luo et al. | A simple calibration procedure for structured light system | |
CN106526593B (zh) | 基于sar严密成像模型的子像素级角反射器自动定位方法 | |
CN108088383B (zh) | 一种应用于起重机械的摄影测量算法 | |
CN115031927B (zh) | 一种椭圆高斯分布光斑质心的高精度定位方法 | |
CN111380573A (zh) | 用于校准运动的对象传感器的取向的方法 | |
CN102840964A (zh) | 大口径、长焦距平行光管焦点实时监测系统 | |
Liu et al. | Improving positioning accuracy of the mobile laser scanning in GPS-denied environments: An experimental case study | |
Han et al. | Image-based approach for road profile analyses | |
CN109724532A (zh) | 一种复杂光学曲面几何参量的精确测试装置及方法 | |
Zeng et al. | An error similarity-based error-compensation method for measurement in the nonuniform temperature field | |
CN112683307B (zh) | 一种星敏感器星点质心位置精度测量方法 | |
Sun et al. | Distortion correction of two-component two-dimensional PIV using a large imaging sensor with application to measurements of a turbulent boundary layer flow at Re τ= 2386 | |
Zhang et al. | Freight train gauge-exceeding detection based on three-dimensional stereo vision measurement | |
Shen et al. | Inversion method of atmospheric refraction coefficient based on trigonometric leveling network | |
Bagherbandi et al. | Physical and geometric effects on the classical geodetic observations in small-scale control networks | |
CN111399210B (zh) | 大口径大视场望远镜粗对准方法、装置、设备及存储介质 | |
CN101285735B (zh) | 一种通过分离波面整体倾斜扩大动态范围的哈特曼传感器 | |
Liu et al. | A fast algorithm for high accuracy airborne SAR geolocation based on local linear approximation | |
CN110530315B (zh) | 用于四象限光电探测器位置测量标定的自动分段拟合方法 | |
Zhang et al. | 3D double-vision inspection based on structured light | |
Klug et al. | Measuring Human-made Corner Structures with a Robotic Total Station using Support Points, Lines and Planes. | |
Kyle et al. | Compensating for the effects of refraction in photogrammetric metrology |
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 |