-
公开(公告)号：CN114022728B
公开(公告)日：2023-04-07
申请号：CN202111255579.2
申请日：2021-10-27
Applicant: 中国科学院光电技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的合成孔径共相检测方法，包括：合成孔径成像探测模块负责采集或者模拟多个子孔径的共相图像，为深度强化学习网络提供学习环境和状态；深度强化学习网络模块主要由环境、状态、奖赏和动作组成。在强化学习过程中，Agent选择一个动作用于环境，环境接受该动作后状态发生变化，同时产生一个强化信号(奖或惩)反馈给Agent，Agent根据强化信号和环境当前状态再选择下一个动作，选择的原则是使受到正强化(奖)的概率增大，最终实现合成孔径的共相检测。该方法不需要采集大量的样本数据进行训练，而是通过实时在线学习的方式建立输入与输出之间的映射关系，有利于深度强化学习网络共相检测方法的实际应用。
-
公开(公告)号：CN109959401B
公开(公告)日：2022-01-11
申请号：CN201910234128.7
申请日：2019-03-26
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提出一种光电轴角编码器的快速编码方法，将哈夫曼编码算法应用到单圈光电轴角编码器中，实现码盘崭新的单圈编码方法。该方法利用构建好符合条件的哈夫曼二叉树，通过做标记避免重复遍历的方式设定构建好的二叉树的特殊遍历扫描顺序，以此顺序进行遍历，在每一个叶节点处得到的从根到叶节点的编码就是码盘所需要的位移连续码的编码组。本发明提出了光电轴角编码器全新的单圈编码方式，能够大大提高编码速度，降低算法复杂度，是一种切实可行的编码方式。
-
公开(公告)号：CN113093658A
公开(公告)日：2021-07-09
申请号：CN202110318219.6
申请日：2021-03-25
Applicant: 中国科学院光电技术研究所
IPC: G05B19/414
Abstract: 本发明提出一种基于EtherCAT的多轴伺服系统架构设计方法，该方法将EtherCAT技术和多轴伺服系统相结合，以串行级联的方式将各伺服驱动单元挂载到系统中，通讯时EtherCAT主站PC将包含有各EtherCAT伺服从站信息的命令打包成一帧以太网数据帧，帧类型为0X88A4，传输过程中数据帧被从站的专用EtherCTA通信芯片ET1100所处理并决定是向数据帧中写入从站数据还是从数据帧中读出相关数据给FPGA，通讯硬件独立于伺服控制硬件，数据帧从PC主站出发，传至最后一个EtherCAT从站后经原路径返回至PC主站，完成一个系统的通讯周期。本发明适合于精密机械加工、医学仪器等同步精度和控制精度要求高的场合，适合汽车行业，机器人行业等要求可扩展性的场合，节点之间使用100Base‑TX电缆传输，距离可达100m。
-
公开(公告)号：CN110068977A
公开(公告)日：2019-07-30
申请号：CN201910278058.5
申请日：2019-04-08
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于史密斯预估控制的液晶光束偏转方法。针对当前液晶器件响应速度慢及液晶光束控制系统延时较长导致系统稳定性降低，动态性能变差等问题，提出并实现该方法。与传统液晶光束控制系统相比，采用史密斯(Smith)预估控制方法对液晶和传感器产生的时间延迟进行补偿，该方法引入一个和被控对象并联的补偿器对纯滞后进行削弱和消除。经过史密斯预估控制器的补偿，纯滞后环节被转移到闭环控制回路之外，提高了系统的稳定性和动态性能，提高液晶对目标的跟踪性能，对于液晶光束控制系统的实际应用具有重要意义。
-
公开(公告)号：CN110068973A
公开(公告)日：2019-07-30
申请号：CN201910297270.6
申请日：2019-04-15
Applicant: 中国科学院光电技术研究所
IPC: G02F1/139
Abstract: 本发明公开了一种基于反卷积神经网络的液晶像差校正方法，利用的系统包括：液晶像差校正器，成像探测器，反卷积神经网络模块。具体方法为，液晶像差校正器，作为执行机构对入射光的畸变波前进行校正；成像探测器负责采集液晶校正后的光束光斑图像；反卷积神经网络模块通过大量光斑数据学习训练后，根据成像系统传输的畸变光斑图像，推测出畸变光斑对应的校正波面灰度值，最终将校正波面灰度值加载在液晶像差校正器上，实现对波前像差的校正。该方法在卷积神经网络的基础上增加的反卷积层，可以根据畸变光斑波前直接生成校正波面灰度值，不需要额外设置灰度值转换模块，提高了控制系统的实时性。
-
Patent Agency Ranking
公开(公告)号：CN114022730B
公开(公告)日：2023-08-15
申请号：CN202111260725.0
申请日：2021-10-28
Applicant: 中国科学院光电技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于自监督学习神经网络的点目标相位检索方法，利用的系统包括：成像探测器与自监督学习神经网络模块。在训练过程中，自监督学习神经网络将输入的光斑图像的数据样本映射到Zernike系数，然后通过光学成像系统利用Zernike系数计算出光斑图像，根据输入与输出光斑图像之间的相似度计算损失函数实现自监督学习。测试过程中，成像探测器采集的单幅离焦光斑图像输入到自监督学习神经网络中，根据映射关系输出系统所需的波前参数，实现相位检索。该方法不依赖任何标签值，仅通过畸变光斑数据的内在特征，建立采集光斑样本之间的映射关系；有效地避免了传统监督学习需要大量标签样本的技术瓶颈，有利于神经网络相位检索方法的实际应用。
-
公开(公告)号：CN115019125A
公开(公告)日：2022-09-06
申请号：CN202210570531.9
申请日：2022-05-24
Applicant: 中国科学院光电技术研究所
IPC: G06V10/774 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的自监督扩展目标像差探测方法，首先，利用物理模型提取出扩展目标中的像差信息，然后将提取的像差信息输入卷积神经网络中，利用其非线性拟合的能力建立图像与Zernike系数的映射关系，然后利用Zernike系数与光学成像模型重建像差信息，并依据输入像差特征与光学模型输出像差特征之间的相似度计算损失函数实现自监督学习。测试过程中，可采集已知离焦量的系统中的在焦面与离焦面扩展目标的图像输入到已经训练好的无监督网络中，输出所需要的相位信息。该种方法在物理模型阶段消除了原目标特征，可实现对多种目标的普适性探测，在扩展目标种类变换与实际应用过程中无法获得准确标签的情况下具有更好的实用性。
-
公开(公告)号：CN107402465B
公开(公告)日：2020-04-10
申请号：CN201710658299.3
申请日：2017-08-04
Applicant: 中国科学院光电技术研究所
IPC: G02F1/133
Abstract: 本发明公开了一种过驱动查找表的建立方法，针对当前液晶空间光调制器中建立过驱动查找表过程繁琐，需要进行大量实验对不同目标相位、终到相位之间的驱动时间进行测量，及存储过驱动查找表占用过多的内存空间，影响液晶调制器的响应速度等问题，提出并实现该建立方法。有效地解决了构建过驱动表实验操作繁琐的问题，且在过驱动表的查找过程实现了实时、快捷等功能，提高了液晶空间调制器系统的响应速度，更适用于工程化应用。
-
公开(公告)号：CN109782433A
公开(公告)日：2019-05-21
申请号：CN201910139470.9
申请日：2019-02-26
Applicant: 中国科学院光电技术研究所
IPC: G02B27/00 , G02F1/133 , H04B10/548
Abstract: 本发明公开了一种基于平面相控阵的二维光束扫描方法，针对目前通过液晶空间光调制器进行二维光束偏转仅可实现有限的偏转角度，需要对一维相位调制图进行旋转，整个扫描范围呈稀疏的、不均匀的同心圆分布，随着扫描角度的增大衍射效率严重下降，无法满足空间光通信中捕获、跟踪和瞄准(ATP)等需要光束连续扫描的实际需求等问题，提出该方法可以有效解决扫描范围离散、分布不均匀的问题，提高了衍射效率，更能满足实际应用的需求。
-
公开(公告)号：CN107402465A
公开(公告)日：2017-11-28
申请号：CN201710658299.3
申请日：2017-08-04
Applicant: 中国科学院光电技术研究所
IPC: G02F1/133
Abstract: 本发明公开了一种过驱动查找表的建立方法，针对当前液晶空间光调制器中建立过驱动查找表过程繁琐，需要进行大量实验对不同目标相位、终到相位之间的驱动时间进行测量，及存储过驱动查找表占用过多的内存空间，影响液晶调制器的响应速度等问题，提出并实现该建立方法。有效地解决了构建过驱动表实验操作繁琐的问题，且在过驱动表的查找过程实现了实时、快捷等功能，提高了液晶空间调制器系统的响应速度，更适用于工程化应用。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.033 seconds)
