-
公开(公告)号：CN110751268A
公开(公告)日：2020-02-04
申请号：CN201910947467.X
申请日：2019-09-27
Applicant: 北京理工大学
Abstract: 基于端到端卷积神经网络的相位混叠误差去除方法及装置，其解决了傅里叶变换法或数字莫尔移相法求解单幅干涉图过程中，由于载波添加不当或面形误差相位频谱带宽过大导致的相位频谱混叠问题，能够消除相位频谱混叠误差，实现宽频谱相位干涉图的求解，扩展单幅干涉图解相方法的测量范围。方法包括：(1)设计多尺度卷积神经网络；(2)模拟宽频谱相位干涉图，基于傅里叶变换法或数字莫尔移相法解得含有相位频谱混叠误差的相位图，与原宽频谱相位图一同作为混叠训练集；(3)利用混叠训练集训练多尺度卷积神经网络；(4)利用训练好的多尺度卷积神经网络，处理真实的含相位频谱混叠误差的相位图，得到不含相位频谱混叠误差的高精度相位解相结果。
-
公开(公告)号：CN111209689B
公开(公告)日：2022-07-26
申请号：CN202010105329.X
申请日：2020-02-14
Applicant: 北京理工大学
Abstract: 非零干涉非球面测量回程误差去除方法及装置，其具有良好的普适性，能够消除回程误差，与光学软件的光线追迹功能相结合，实现非球面面形误差的快速且高精度的测量。方法包括：(1)利用光学软件模拟，建立待测非球面干涉系统的光学模型；(2)获取消除回程误差的训练集，训练集包括若干组的待测面面形误差数据和对应的光学系统干涉波前数据，均利用计算机模拟生成；(3)构建消除回程误差的神经网络；(4)训练消除回程误差的神经网络；(5)利用训练好的神经网络求解非球面面形误差。
-
公开(公告)号：CN111209689A
公开(公告)日：2020-05-29
申请号：CN202010105329.X
申请日：2020-02-14
Applicant: 北京理工大学
Abstract: 非零干涉非球面测量回程误差去除方法及装置，其具有良好的普适性，能够消除回程误差，与光学软件的光线追迹功能相结合，实现非球面面形误差的快速且高精度的测量。方法包括：(1)利用光学软件模拟，建立待测非球面干涉系统的光学模型；(2)获取消除回程误差的训练集，训练集包括若干组的待测面面形误差数据和对应的光学系统干涉波前数据，均利用计算机模拟生成；(3)构建消除回程误差的神经网络；(4)训练消除回程误差的神经网络；(5)利用训练好的神经网络求解非球面面形误差。
-
公开(公告)号：CN110823094B
公开(公告)日：2021-03-30
申请号：CN201911086603.7
申请日：2019-11-08
Applicant: 北京理工大学
Abstract: 一种点光源三维坐标测量方法及装置，具有被动测量、结构简单、随机误差小、可实时跟踪的优点。包括：(1)建立光场成像系统；(2)建立深度学习框架；(3)初始化深度学习框架，确定并应用深度学习框架中各个神经网络的节点权重，使深度学习框架中的各个神经网络达到可用状态；(4)通过光场成像系统获取目标点光源的光场；(5)提取目标点光源光场的特征信息，特征信息指目标点光源光场中包含的进行点光源三维坐标测量所需的有关信息；(6)将目标点光源光场的特征信息输入深度学习框架；(7)深度学习框架计算点光源的三维坐标。
-
公开(公告)号：CN112556601A
公开(公告)日：2021-03-26
申请号：CN202011377723.5
申请日：2020-11-30
Applicant: 北京理工大学
Abstract: 公开了基于深度学习的单幅闭合条纹干涉图解相方法及装置，具有结构简单、精度高、可动态测量的优点，而且显著降低了干涉图解相所需的时间，并降低了干涉图解相所需的硬件要求和成本，使得本方法可以在便携设备上运行。方法包括：(1)建立神经网络并初始化；(2)干涉图预处理，对输入的干涉图进行灰度范围归一化，得到灰度范围归一化的干涉图；(3)神经网络处理干涉图，将灰度范围归一化的干涉图输入神经网络，神经网络输出包裹相位；(4)对包裹相位进行相位解包裹，获取干涉图的绝对相位。
-
Patent Agency Ranking
公开(公告)号：CN111928794B
公开(公告)日：2022-03-11
申请号：CN202010782465.2
申请日：2020-08-04
Applicant: 北京理工大学
Abstract: 基于深度学习的闭合条纹兼容单幅干涉图解相方法及装置，测量过程只需一幅干涉图，可以实现动态测量，结构简单，精度高。方法包括：(1)干涉图预处理，对输入的干涉图进行灰度范围归一化，得到归一化干涉图；(2)建立神经网络，通过神经网络获取归一化干涉图的包裹相位；(3)对包裹相位进行相位解包裹，获取干涉图的绝对相位；步骤(2)包括：(2.1)建立神经网络：归一化干涉图是神经网络的输入，神经网络包括：二维卷积层Conv2D、密集区块DenseBlock、平均池化层AvgPool、上采样层UpSample、连接层Concat、固定层Clamp；(2.2)使用数据集对神经网络进行训练，或加载训练好的网络参数，令神经网络达到可用状态；(2.3)将归一化干涉图输入神经网络，神经网络输出包裹相位。
-
公开(公告)号：CN110823094A
公开(公告)日：2020-02-21
申请号：CN201911086603.7
申请日：2019-11-08
Applicant: 北京理工大学
Abstract: 一种点光源三维坐标测量方法及装置，具有被动测量、结构简单、随机误差小、可实时跟踪的优点。包括：(1)建立光场成像系统；(2)建立深度学习框架；(3)初始化深度学习框架，确定并应用深度学习框架中各个神经网络的节点权重，使深度学习框架中的各个神经网络达到可用状态；(4)通过光场成像系统获取目标点光源的光场；(5)提取目标点光源光场的特征信息，特征信息指目标点光源光场中包含的进行点光源三维坐标测量所需的有关信息；(6)将目标点光源光场的特征信息输入深度学习框架；(7)深度学习框架计算点光源的三维坐标。
-
公开(公告)号：CN109489559A
公开(公告)日：2019-03-19
申请号：CN201811166178.8
申请日：2018-10-08
Applicant: 北京理工大学
IPC: G01B11/02
Abstract: 本发明公开的基于时频分析和光场成像技术的点光源空间定位方法，属于光电测量领域。本发明实现方法如下：建立光场成像系统，标定光场成像系统的光学系统参数；通过光场成像系统获取目标点光源的光场，得到目标点光源的光场图像；对获取的光场图像进行子孔径划分，提取每个子孔径图像的中心坐标；计算子孔径图像中心偏离子孔径光学中心的距离随子孔径位置的变化率；结合光场成像系统的光学系统参数，计算目标点光源至设定参考面的距离；实现散射介质中点光源的空间定位。本发明还具有被动测量、结构简单、随机误差小、可实时跟踪等优点。
-
公开(公告)号：CN110751268B
公开(公告)日：2022-07-26
申请号：CN201910947467.X
申请日：2019-09-27
Applicant: 北京理工大学
Abstract: 基于端到端卷积神经网络的相位混叠误差去除方法及装置，其解决了傅里叶变换法或数字莫尔移相法求解单幅干涉图过程中，由于载波添加不当或面形误差相位频谱带宽过大导致的相位频谱混叠问题，能够消除相位频谱混叠误差，实现宽频谱相位干涉图的求解，扩展单幅干涉图解相方法的测量范围。方法包括：(1)设计多尺度卷积神经网络；(2)模拟宽频谱相位干涉图，基于傅里叶变换法或数字莫尔移相法解得含有相位频谱混叠误差的相位图，与原宽频谱相位图一同作为混叠训练集；(3)利用混叠训练集训练多尺度卷积神经网络；(4)利用训练好的多尺度卷积神经网络，处理真实的含相位频谱混叠误差的相位图，得到不含相位频谱混叠误差的高精度相位解相结果。
-
公开(公告)号：CN112556601B
公开(公告)日：2021-08-20
申请号：CN202011377723.5
申请日：2020-11-30
Applicant: 北京理工大学
Abstract: 公开了基于深度学习的单幅闭合条纹干涉图解相方法及装置，具有结构简单、精度高、可动态测量的优点，而且显著降低了干涉图解相所需的时间，并降低了干涉图解相所需的硬件要求和成本，使得本方法可以在便携设备上运行。方法包括：(1)建立神经网络并初始化；(2)干涉图预处理，对输入的干涉图进行灰度范围归一化，得到灰度范围归一化的干涉图；(3)神经网络处理干涉图，将灰度范围归一化的干涉图输入神经网络，神经网络输出包裹相位；(4)对包裹相位进行相位解包裹，获取干涉图的绝对相位。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
