CN115079371A - 一种多目标光纤光谱天文望远镜的前照对焦方法 - Google Patents
一种多目标光纤光谱天文望远镜的前照对焦方法 Download PDFInfo
- Publication number
- CN115079371A CN115079371A CN202210225387.5A CN202210225387A CN115079371A CN 115079371 A CN115079371 A CN 115079371A CN 202210225387 A CN202210225387 A CN 202210225387A CN 115079371 A CN115079371 A CN 115079371A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- frame
- pixels
- focal plane
- 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.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001228 spectrum Methods 0.000 title claims abstract description 17
- 239000000919 ceramic Substances 0.000 claims abstract description 55
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 239000000835 fiber Substances 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004611 spectroscopical analysis Methods 0.000 claims 4
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
- G02B7/28—Systems for automatic generation of focusing signals
- G02B7/36—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals
- G02B7/38—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals measured at different points on the optical axis, e.g. focussing on two or more planes and comparing image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种多目标光纤光谱天文望远镜光纤目标的前照对焦方法，属于数字图像处理领域。本发明主要应用于多目标光纤光谱巡天望远镜的光纤定位单元视觉检测系统。本发明包括以下步骤：通过相机实时采集焦面图像；利用神经网络识别焦面图像中的目标光纤陶瓷头，得到预识别框；对预识别框进行筛选和修正，得到图像框；通过对比度计算方法评价图像框中图像的清晰度；重复转动对焦直至得到清晰度最大的焦面图像，清晰度最大的焦面图像所对应的位置即为对焦成功的位置。本发明通过对深度学习返回后的识别框进行修正和筛选，并采用优化的对比度计算方法，可以在准确性和时间消耗方面取得良好实际效果。
Description
技术领域
本发明属于数字图像处理领域，具体涉及一种多目标光纤光谱天文望远镜的前照对焦方法。
背景技术
LAMOST是兼备大口径和大视场的多目标光纤光谱望远镜，为了充分获取大量天体的光谱信息，LAMOST配置16台多目标低色散光纤光谱仪，每台光谱仪器安插250根光纤，焦面接收光线经由光纤传导进入光谱仪。光纤排列在144mm高的狭缝上，由10个光纤卡子固定，狭缝为圆弧，曲率半径691mm。准直镜焦比为F/4，对于狭缝采用Schmidt系统，其像差由Schmidt改正板改正。准直光路中放置分色镜，将整个波段分为红区、蓝区。采用VPH光栅，照相机为Schmidt系统。
对于类似于LAMOST的光谱巡天望远镜来说，光纤定位单元的运动精度将会影响到天文观测的精度。精确地控制数千个运动单元是一项困难的工作，引入闭环控制系统可以很好的解决这一问题。闭环控制系统往往采用视觉方法来对光纤进行精确定位。在视觉测量过程中，相机能否准确对焦至光纤安装插芯的陶瓷头端面将会极大地影响闭环控制的精度。传统的自动对焦方法在单一目标图像占比较大的场景下有着良好的准确率，但在复杂场景中无法准确识别对焦目标。同时，在面对高分辨的图像时，使用传统自动对焦方法对全图进行处理将会带来过大的时间代价。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种多目标光纤光谱天文望远镜的前照对焦方法。
为了实现上述目的，本发明提供如下技术方案：
一种多目标光纤光谱天文望远镜的光纤目标前照对焦方法，包括以下步骤：
通过相机实时采集焦面图像；
利用神经网络识别焦面图像中的目标光纤陶瓷头，得到预识别框；
对预识别框进行筛选和修正，得到图像框；
通过对比度计算方法评价图像框中图像的清晰度；
重复转动对焦直至得到清晰度最大的焦面图像，清晰度最大的焦面图像所对应的位置即为对焦成功的位置。
优选的，所述利用神经网络识别图像区域内的光纤陶瓷头得到预识别框的步骤包括：
获取多个焦面的图像，在每个焦面的图像上标注光纤陶瓷头的位置，将标注好位置的多个图像作为训练集；
利用神经网络Faster RCNN建立识别模型；
利用训练集对识别模型进行训练，直至识别模型能够识别光纤陶瓷头的位置，完成对识别模型的训练；
将相机实时采集的焦面图像输入训练好的识别模型得到预识别框。
优选的，所述对预识别框进行筛选和修正的步骤包括：
对包含了非目标陶瓷头的预识别框进行修正；
对截断了目标陶瓷头的预识别框进行筛选。
优选的，对包含了非目标陶瓷头的预识别框进行削角处理。
优选的，对截断了目标陶瓷头的预识别框进行筛选的步骤包括：
统计所有预识别框中灰度值超过阈值的像素所跨越的行数和列数的和，记为筛选值；
若一个预识别框的筛选值小于阈值，则判定一个预识别框为截断了目标陶瓷头的预识别框；
对截断了目标陶瓷头的预识别框进行舍弃。
优选的，所述通过对比度评价图像框中图像的清晰度的步骤包括：
计算图像框中灰度值超过阈值的像素的最小行数和最大行数的均值，得到目标中心的行数值；
计算图像框中灰度值超过阈值的像素的最小列数和最大列数的均值，得到目标中心的列数值；
由行数中值和列数中值确定图像框中穿过目标光纤陶瓷头中心的一行像素和一列像素的位置；
通过下式计算穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C，
式中，wide为穿过目标光纤陶瓷头中心的一行像素或穿过目标光纤陶瓷头中心的一列像素的数目，i为穿过目标光纤陶瓷头中心的一行像素中像素的行坐标或穿过目标光纤陶瓷头中心的一列像素中像素的列坐标，h(i)为坐标i处像素的灰度值；
以穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C作为图像框中图像的清晰度的评价依据。
优选的，所述重复转动对焦直至得到清晰度最大的焦面图像的步骤包括：
获得一个焦面图像的清晰度后，朝一个方向以一定步长转动对焦环，对相机新采集到的焦面图像进行清晰度评价；
若新采集到的焦面图像的清晰度大于前一个焦面图像的清晰度，重复朝同一方向以一定步长转动对焦环；否则，朝一个方向的反方向以一定步长转动对焦环；
直至当前的焦面图像的清晰度判据的数值变化趋势发生改变，即清晰度评价函数出现峰值以后，对焦成功。
本发明提供的多目标光纤光谱天文望远镜光纤目标的前照对焦方法具有以下有益效果：本发明中引入深度学习的方法解决了传统的自动对焦方法在复杂场景中无法准确识别对焦目标这一问题。经过充分训练的神经网络可以准确识别复杂图像中的微小对焦目标，从而极大地提高对焦准确率。对于识别到的对焦目标，针对特殊应用场景使用优化的清晰度评价又可以极大地提高对焦速度。
附图说明
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，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1的多目标光纤光谱天文望远镜光纤目标的前照对焦方法的流程图；
图2为本发明实施例1中深度学习网络对对焦目标进行预识别的结果；
图3为本发明实施例1中对预识别框进行削角修正的示意图；
图4为本发明实施例1中根据大于阈值的像素所跨越的行列数对识别框进行筛选的示意图；
图5为本发明实施例1中参与对比度计算的一行和一列像素的示意图；
图6为本发明实施例1中不断朝同一方向以一定步长转动对焦环时，图像清晰度数值的变化趋势；
图7为本发明实施例1中，传统对比度计算方法与本发明对比度计算方法的效果对比；
图8为本发明实施例1中，传统对比度计算方法与本发明对比度计算方法处理九个识别框时的耗时对比。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
相机准确对焦至光纤端面是精确视觉检测的必要条件。在多目标光谱巡天望远镜的焦面上安装有数千根可接收星象光谱的光纤，在对这些光纤位置进行精确测量的相机的视场范围内，分布着上千个位于复杂场景中的光纤插芯。这些直径只有2.5mm的对焦目标在覆盖的1平方米的检测区域中像素占比较小，传统的对焦方法难以对其进行遍历搜索。而使用的深度学习方法可以很好地解决这一问题。此外，同时对数千个目标进行对焦判断会带来较大的时间消耗。参阅图1，本发明提供了一种多目标光纤光谱天文望远镜的前照对焦方法，包括以下步骤：通过相机实时采集焦面图像；利用神经网络识别焦面图像中的目标光纤陶瓷头，得到预识别框；对预识别框进行筛选和修正，得到图像框；通过对比度计算方法评价图像框中图像的清晰度；重复转动对焦直至得到清晰度最大的焦面图像，清晰度最大的焦面图像所对应的位置即为对焦成功的位置。
根据相机曝光时间与现场照明条件确定用于区分预识别框中对焦目标与背景的灰度值阈值。在照明条件良好的情况下，阈值可选取相机所能达到最大灰度值的20％。本实施例中所使用的相机最高灰度值可达4095。选定用于区分对焦目标与背景的灰度值阈值为800。
在实施过程中，如图1所示，将实时拍摄的焦面图像送入经过充分训练的深度学习网络，最终可以返回包含对焦目标在内的矩形框的角点像素坐标与尺寸，称之为预识别框。
具体的，利用神经网络识别图像区域内的光纤陶瓷头得到预识别框的步骤包括：获取多个焦面的图像，在每个焦面的图像上标注光纤陶瓷头的位置，将标注好位置的多个图像作为训练集；利用神经网络Faster RCNN建立识别模型；利用训练集对识别模型进行训练，直至识别模型能够识别光纤陶瓷头的位置，完成对识别模型的训练；将相机实时采集的焦面图像输入训练好的识别模型得到预识别框。
在本实施例中，对预识别框进行筛选和修正的步骤包括：对包含了非目标陶瓷头的预识别框进行修正；对截断了目标陶瓷头的预识别框进行筛选。由于，深度学习网络返回的预识别框不总是理想的。如图2所示，对于识别框中包含非目标陶瓷头的情况，这些额外的高亮像素通常出现在识别框的角落，因此，对包含了非目标陶瓷头的预识别框进行削角处理。通过四个简单公式可以限制位于角落的像素不参与后续的计算步骤。这里选择的削角边长为15。图3展示了对预识别框进行削角修正的示意图。具体的，对截断了目标陶瓷头的预识别框进行筛选的步骤包括：统计所有预识别框中灰度值超过阈值的像素所跨越的行数和列数的和，记为筛选值；若一个预识别框的筛选值小于阈值，则判定一个预识别框为截断了目标陶瓷头的预识别框；对截断了目标陶瓷头的预识别框进行舍弃。如图4所示，计算识别框中大于阈值的像素的最大行坐标与最小行坐标之差Ai和最大列坐标与最小列坐标之差Bi。若两者之和小于阈值，则认为该识别框截断了对焦目标，将其舍弃。在本实施例中，该阈值选取为120。图4展示了本实施例中根据大于阈值的像素所跨越的行列数对识别框进行筛选的情况。
通过对比度评价图像框中图像的清晰度的步骤包括：计算图像框中灰度值超过阈值的像素的最小和最大行数的中值，得到行数中值；计算图像框中灰度值超过阈值的像素的最小和最大列数的中值，得到列数中值；(最大行坐标与最小行坐标的中值以及最大列坐标与最小列坐标的中值，即可确定穿过目标陶瓷头中心的一行和一列像素的位置)图5为本发明实施例中参与对比度计算的一行和一列像素的示意图；由行数中值和列数中值确定图像框中穿过目标光纤陶瓷头中心的一行像素和一列像素的位置；通过下式计算穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C，在整个图像框中，只有这一行与一列参与对比度的计算，
式中，wide为穿过目标光纤陶瓷头中心的一行像素或穿过目标光纤陶瓷头中心的一列像素的数目，i为穿过目标光纤陶瓷头中心的一行像素中像素的行坐标或穿过目标光纤陶瓷头中心的一列像素中像素的列坐标，h(i)为坐标i处像素的灰度值；以穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C作为图像框中图像的清晰度的评价依据。
在本实施例中，重复转动对焦直至得到清晰度最大的焦面图像的步骤包括：获得一个焦面图像的清晰度后，朝一个方向以一定步长转动对焦环，对相机新采集到的焦面图像进行清晰度评价；若新采集到的焦面图像的清晰度大于前一个焦面图像的清晰度，重复朝同一方向以一定步长转动对焦环；否则，朝一个方向的反方向以一定步长转动对焦环；直至当前的焦面图像的清晰度判据的数值变化趋势发生改变，即清晰度评价函数出现峰值以后，对焦成功。参阅图6，图6为本发明实施例中不断朝同一方向以一定步长转动对焦环时，图像清晰度数值的变化趋势，图像清晰度数值出现峰值的位置即为对焦成功的位置。
在本实施例中的对比度计算方法与使用传统的对比度计算方法对整个识别框进行清晰度评价的效果与耗时。如图7所示，使用优化的对比度计算方法与调用OpenCV中的Tenengrad梯度和Laplacian梯度可以达到相同的效果，但前者的耗时仅为后两者的九分之一。图8展示了对连续21张焦面图像使用不同方法处理九个识别框的耗时统计。
以上实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。
Claims (7)
1.一种多目标光纤光谱天文望远镜的光纤目标前照对焦方法，其特征在于，包括以下步骤：
通过相机实时采集焦面图像；
利用神经网络识别焦面图像中的目标光纤陶瓷头，得到预识别框；
对预识别框进行筛选和修正，得到图像框；
通过对比度计算方法评价图像框中图像的清晰度；
重复转动对焦直至得到清晰度最大的焦面图像，清晰度最大的焦面图像所对应的位置即为对焦成功的位置。
2.根据权利要求1所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，所述利用神经网络识别图像区域内的光纤陶瓷头得到预识别框的步骤包括：
获取多个焦面的图像，在每个焦面的图像上标注光纤陶瓷头的位置，将标注好位置的多个图像作为训练集；
利用神经网络Faster RCNN建立识别模型；
利用训练集对识别模型进行训练，直至识别模型能够识别光纤陶瓷头的位置，完成对识别模型的训练；
将相机实时采集的焦面图像输入训练好的识别模型得到预识别框。
3.根据权利要求1所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，所述对预识别框进行筛选和修正的步骤包括：
对包含了非目标陶瓷头的预识别框进行修正；
对截断了目标陶瓷头的预识别框进行筛选。
4.根据权利要求3所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，对包含了非目标陶瓷头的预识别框进行削角处理。
5.根据权利要求3所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，对截断了目标陶瓷头的预识别框进行筛选的步骤包括：
统计所有预识别框中灰度值超过阈值的像素所跨越的行数和列数的和，记为筛选值；
若一个预识别框的筛选值小于阈值，则判定一个预识别框为截断了目标陶瓷头的预识别框；
对截断了目标陶瓷头的预识别框进行舍弃。
6.根据权利要求1所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，所述通过对比度评价图像框中图像的清晰度的步骤包括：
计算图像框中灰度值超过阈值的像素的最小行数和最大行数的均值，得到，目标中心的行数值；
计算图像框中灰度值超过阈值的像素的最小行数和最大列数的均值，得到目标中心的列数值；
由行数中值和列数中值确定图像框中穿过目标光纤陶瓷头中心的一行像素和一列像素的位置；
通过下式计算穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C，
式中，wide为穿过目标光纤陶瓷头中心的一行像素或穿过目标光纤陶瓷头中心的一列像素的数目；i为穿过目标光纤陶瓷头中心的一行像素中像素的行坐标或穿过目标光纤陶瓷头中心的一列像素中像素的列坐标，h(i)为坐标i处像素的灰度值；
以穿过目标光纤陶瓷头中心的一行像素和一列像素的对比度值C作为图像框中图像的清晰度的评价依据。
7.根据权利要求1所述的多目标光纤光谱天文望远镜的前照对焦方法，其特征在于，所述重复转动对焦直至得到清晰度最大的焦面图像的步骤包括：
获得一个焦面图像的清晰度后，朝一个方向以一定步长转动对焦环，对相机新采集到的焦面图像进行清晰度评价；
若新采集到的焦面图像的清晰度大于前一个焦面图像的清晰度，重复朝同一方向以一定步长转动对焦环；否则，朝一个方向的反方向以一定步长转动对焦环；
直至当前的焦面图像的清晰度判据的数值变化趋势发生改变，即清晰度评价函数出现峰值以后，对焦成功。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210225387.5A CN115079371A (zh) | 2022-03-07 | 2022-03-07 | 一种多目标光纤光谱天文望远镜的前照对焦方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210225387.5A CN115079371A (zh) | 2022-03-07 | 2022-03-07 | 一种多目标光纤光谱天文望远镜的前照对焦方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115079371A true CN115079371A (zh) | 2022-09-20 |
Family
ID=83248196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210225387.5A Pending CN115079371A (zh) | 2022-03-07 | 2022-03-07 | 一种多目标光纤光谱天文望远镜的前照对焦方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115079371A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160337574A1 (en) * | 2014-01-04 | 2016-11-17 | Jack Chen | Automatic astronomical observation system and observation method |
| CN112734847A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学技术大学 | 一种多目标光纤位置精确检测定位系统及方法 |
| CN113589542A (zh) * | 2021-08-12 | 2021-11-02 | 中国科学院国家天文台南京天文光学技术研究所 | 一种快速调节lamost-lrs光纤出射端姿态的方法 |
| CN113720260A (zh) * | 2021-08-27 | 2021-11-30 | 中国科学技术大学 | 一种多目标光纤光谱望远镜参考光纤位置测量装置及方法 |
-
2022
- 2022-03-07 CN CN202210225387.5A patent/CN115079371A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160337574A1 (en) * | 2014-01-04 | 2016-11-17 | Jack Chen | Automatic astronomical observation system and observation method |
| CN112734847A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学技术大学 | 一种多目标光纤位置精确检测定位系统及方法 |
| CN113589542A (zh) * | 2021-08-12 | 2021-11-02 | 中国科学院国家天文台南京天文光学技术研究所 | 一种快速调节lamost-lrs光纤出射端姿态的方法 |
| CN113720260A (zh) * | 2021-08-27 | 2021-11-30 | 中国科学技术大学 | 一种多目标光纤光谱望远镜参考光纤位置测量装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZENGXIANG ZHOU等: "Research on Autofocus Recognition of the LAMOST Fiber View Camera System Under Front and Back Illumination", 《PUBLICATIONS OF THE ASTRONOMICAL SOCIETY OF THE PACIFIC》 * |
| 李晓燕等: "一种基于图像清晰度评价的天文望远镜自动调焦系统", 《天文研究与技术》 * |
| 盛晹等: "基于"前照法"的LAMOST光纤位置提取", 《测控技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10269141B1 (en) | Multistage camera calibration | |
| EP1668886B1 (en) | Statistical self-calibrating detection and removal of blemishes in digital images | |
| US10444486B2 (en) | Systems and methods for detection of blank fields in digital microscopes | |
| CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
| US20070253638A1 (en) | Digital Image Acquisition and Processing System | |
| CN204679710U (zh) | 高清透雾连续变焦光学消旋装置 | |
| US11538193B2 (en) | Methods and systems for calibrating a camera | |
| CN112734847A (zh) | 一种多目标光纤位置精确检测定位系统及方法 | |
| CN111310753A (zh) | 一种表计对准方法及装置 | |
| CN114860196A (zh) | 一种望远镜主光路导星装置及导星偏移量的计算方法 | |
| CN115424008A (zh) | 一种激光投影仪产线调光聚焦检测方法及系统 | |
| US10264164B2 (en) | System and method of correcting imaging errors for a telescope by referencing a field of view of the telescope | |
| CN115079371A (zh) | 一种多目标光纤光谱天文望远镜的前照对焦方法 | |
| CN111638042B (zh) | 一种dlp光学特性测试分析方法 | |
| Coventry et al. | A robotic vision system for inspection of soiling at CSP plants | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| US9300866B2 (en) | Method for image processing and method that can be performed therewith for the automatic detection of objects, observation device and method for high-precision tracking of the course followed by launched rockets over large distances | |
| US11245881B2 (en) | Method and apparatus for correcting color convergence error | |
| CN115063311A (zh) | 一种星图拖尾直线快速去除方法 | |
| US11630026B2 (en) | Method and test system for assessing the quality of a multi-channel micro- and/or subwavelength-optical projection unit | |
| KR100303181B1 (ko) | 다수의 촬상소자를 이용한 고해상도 촬영장치의 보정방법 | |
| CN108053389B (zh) | 一种用于评价低信噪比红外四杆靶图像清晰度的方法 | |
| CN111553876A (zh) | 一种气动光学视线误差图像处理方法及系统 | |
| CN114660761B (zh) | 一种用于天文望远镜的多目标光纤光斑的自动对焦方法 | |
| US6507360B1 (en) | Method of manufacturing a cathode ray tube, in which a display screen is inspected |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220920 |
|
| RJ01 | Rejection of invention patent application after publication |