-
公开(公告)号：CN112558293A
公开(公告)日：2021-03-26
申请号：CN202011350345.1
申请日：2020-11-26
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种紧凑型共光路共焦红外双波段光学系统，包括沿光入射方向依次同轴设置的超表面透镜和探测器，超表面透镜由衬底和微纳结构超表面构成，不同的微纳结构具有相同的高度、指向角度和不同的横截面尺寸；各微纳结构的横截面尺寸基于微纳结构的参数空间和电磁波经过各微纳结构后的相位分布确定；相位分布根据超表面透镜的对双波段的消色差成像要求来确定；参数空间通过基于时域有限差分算法的电磁仿真手段对横截面尺寸进行参数扫描来建立。本发明还提供相应的制作方法。本发明的光学系统利用单片超表面透镜实现中波和长波红外双波段同时满足消色差成像要求，从而显著减小光学系统的体积和重量，降低加工成本和装调校准难度。
-
公开(公告)号：CN112408316A
公开(公告)日：2021-02-26
申请号：CN202011314162.4
申请日：2020-11-20
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种双面超表面结构的制备方法，包括：提供呈镜像关系标记的第一光刻板及第二光刻板，且标记具有正反对准、正反偏移误差测量及下一工艺步骤对准的功能；提供衬底，并将呈镜像关系标记的图形分别转移至衬底两面，得到第一衬底样品；筛选出偏移误差在需求范围内的第一衬底样品，得到合格的第一衬底样品；将合格的第一衬底样品放入下一步骤所用光刻设备中，识别合格的第一衬底样品上具有下一工艺步骤对准功能的标记，并将双面超表面结构图形版图分别转移至合格的第一衬底样品的正反两面，得到第二衬底样品并刻蚀得到双面超表面结构。采用本方法能够成功制作出高精度对准的双面超表面结构，从而提高双面超表面结构的性能。
-
公开(公告)号：CN111862235A
公开(公告)日：2020-10-30
申请号：CN202010711714.9
申请日：2020-07-22
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种双目相机自标定方法及系统，包括：1)获取左右原始图像；2)校正左右原始图像；3)从左右校正图像中提取特征点并匹配；4)统计左右图像纵坐标偏差的平均值，若大于对应阈值则修正估计第一参数组，反复迭代修正，直至小于对应阈值；5)找到静态物体及车道线；6)处于移动状态时，追踪静态物体的视差及车轮运动信息；7)得到车轮运动距离与静态物体的三维距离变化值的距离偏差及车道线的宽度偏差，若大于对应阈值则修正估计第二参数组，反复迭代校正，直至小于对应阈值，完成自标定。本发明利用实时图像追踪、车体运动信息及车道宽度信息，对内外参进行优化标定，完成图像校正工作，为车体提供准确的三维识别数据。
-
公开(公告)号：CN111258059A
公开(公告)日：2020-06-09
申请号：CN202010069442.7
申请日：2020-01-21
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供了一种柔性手机摄像头光学镜片，包括柔性衬底、设于其表面上的微纳结构超表面和设于其后端的偏振片，微纳结构超表面为微纳结构单元的周期性阵列，不同微纳结构单元具有相同的尺寸和不同的指向角度，指向角度根据所需的电磁波通过各微纳结构单元后的相位累积以及相位累积与指向角度的对应关系相应确定。本发明还提供该光学镜片的制作方法。本发明的光学镜片通过将微纳结构超表面与柔性衬底结合，不仅能实现光学聚焦功能，还能弯曲折叠，且展开后不影响其光学性能，解决了手机摄像头传统光学镜片依赖于表面形状的问题，为手机摄像头光学镜片不可折叠的问题提供了一种解决方案，以满足柔性屏手机对可弯曲折叠的手机摄像头光学镜片的需求。
-
公开(公告)号：CN111258058A
公开(公告)日：2020-06-09
申请号：CN202010069416.4
申请日：2020-01-21
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种柔性遥感卫星光学镜片，包括柔性衬底和设于柔性衬底的至少一个表面上的微纳结构超表面，所述微纳结构超表面为微纳结构单元的周期性阵列，不同的微纳结构单元具有相同的高度、相同的指向角度和不同的横截面尺寸，各微纳结构单元的横截面尺寸根据所需的电磁波通过各微纳结构单元后的相位累积以及电磁波通过微纳结构单元的相位累积与微纳结构单元的横截面尺寸的对应关系相应确定。本发明还提供该遥感卫星光学镜片的制作方法。本发明的遥感卫星光学镜片不仅能实现光学聚焦功能，还能折叠运输、使用时展开，以满足遥感卫星光学镜片的大口径和轻量化需求。
-
Patent Agency Ranking
公开(公告)号：CN119918598A
公开(公告)日：2025-05-02
申请号：CN202411933694.4
申请日：2024-12-26
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06N3/063 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/46 , G06V10/82 , G06V10/94 , G06F15/78
Abstract: 本发明涉及一种基于数据流驱动的片上卷积神经网络计算系统，包括：卷积神经网络模块，用于对输入图像进行特征提取并生成第一特征张量和第二特征张量；所述卷积神经网络模块包括由若干卷积层构成的共享编码器、特征点解码器和描述子解码器，各个卷积层之间采用流接口进行数据传递，并基于缓存机制实现由数据流驱动的卷积层数据处理；特征点提取模块，用于基于所述第一特征张量提取特征点坐标，并实时输出所述特征点坐标和扫描坐标；描述子计算模块，用于实时获取所述特征点坐标、所述扫描坐标，并根据所述特征点坐标和所述扫描坐标从所述第二特征张量中选择对应位置的张量数据进行描述子计算。本发明能够有效实现并加速片上卷积神经网络计算。
-
公开(公告)号：CN119888250A
公开(公告)日：2025-04-25
申请号：CN202411912298.3
申请日：2024-12-24
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于归一化交并比的目标关联方法，包括以下步骤：获取源目标集；对待处理图像进行目标检测，获得若干候选边界框及其置信度；提取置信度高于设定的置信度阈值的所述候选边界框，组成候选目标集；以源目标集中各个待关联目标对应的边界框与各个所述获选边界框的归一化交并比值为元素构建代价矩阵，所述归一化交并比值#imgabs0#基于所述代价矩阵，利用匈牙利算法求解与所述待关联目标最匹配的所述获选边界框，获得多个最佳匹配对；根据每组所述最佳匹配对的归一化交并比值确定目标是否关联。本发明能够显著提升目标追踪关联任务的准确度。
-
公开(公告)号：CN119832176A
公开(公告)日：2025-04-15
申请号：CN202411879409.5
申请日：2024-12-19
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T17/05 , G06T7/55 , G06T7/70 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/26 , G01C22/00
Abstract: 本发明涉及一种基于多目视觉场景理解的无人系统自主探索方法，该方法融合可见光和红外图像优势，提高了无人系统在恶劣天气、光照变化及通信受限场景下的适应能力。通过多模态图像融合、轻量级目标检测和基于深度阈值的背景滤除实现类像素级的语义分割，精确估算感兴趣目标位姿。利用体素地图和目标检测结果构建探索边界，并基于此实现兼顾探索空间和场景理解的探索决策，引导无人系统执行自主探索任务。本发明为复杂任务场景下的视觉定位与场景感知提供了有力支撑，显著提升无人系统的鲁棒性与环境适应能力，适用于野外救援、隧道巡检及矿洞勘察等复杂任务场景。
-
公开(公告)号：CN119567244A
公开(公告)日：2025-03-07
申请号：CN202411526399.7
申请日：2024-10-30
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种模拟眼球交互式视线的生成方法及装置。其中，生成方法包括以下步骤：通过位置传感器获取交互目标的位置，得到交互目标在第一坐标系的坐标Po；根据位置传感器与模拟眼球的位置关系推导第一坐标系与第二坐标系的坐标转换关系，进而基于所述左边转换关系将坐标Po转换为交互目标在第二坐标系的坐标P1；获取各个模拟眼球的视点在第二坐标系的坐标Oi，其中i代表模拟眼球的序号；根据坐标Oi和坐标P1计算获得各个模拟眼球的交互式视线朝向Di。本发明能够准确获得目标与眼球的相对位置并生成交互式视线，使模拟眼球在交互时更加自然。
-
公开(公告)号：CN118038133A
公开(公告)日：2024-05-14
申请号：CN202410067260.4
申请日：2024-01-17
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于多层级分类分支的目标检测方法及系统。其中的目标检测方法包括以下步骤：获取待测样本；利用基于多层级分类分支的目标检测模型对所述待测样本进行检测，获得目标检测结果；所述基于多层级分类分支的目标检测模型包括：特征提取模块，用来提取所述待测样本的特征向量；特征融合模块，用来对所述特征向量进行特征融合获得融合特征向量；预测模块，用来根据所述融合特征向量生成目标检测框和与所述目标检测框对应的多个层级的分类结果，并将所述多个层级的分类结果进行融合计算得到最终分类结果。在现有深度学习的目标检测网络的基础上，通过增加多层级分类分支预测结果的融合计算，有效提升其分类及识别能力。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.096 seconds)
