一种三维成像系统深度数据修正装置及方法

    公开(公告)号:CN118397061A

    公开(公告)日:2024-07-26

    申请号:CN202410264808.4

    申请日:2024-03-08

    Abstract: 本发明公开了一种三维成像系统深度数据修正装置及方法,该装置由平面板、棋盘格板、导轨、三自由度运动机构以及三维成像系统等组成,其中平面板表面为白色无高度差,棋盘格上的黑白格平面具有高度差,三自由度运动机构可实现升降、俯仰、旋转等动作;首先通过三维成像系统的工作距离和视场角计算平面板和棋盘格板的外形尺寸大小,确保平面板和棋盘格板覆盖整个成像视场,并根据三维成像系统的测量精度确定棋盘格上黑白格的大小和数量;针对深度数据中的空洞值,采用平面板对深度数据进行插值填补,其次对成像系统中全像素的响应曲线进行校正,从而完成对深度数据的修正。

    一种三维成像系统点云空洞补全系统及方法

    公开(公告)号:CN118052741A

    公开(公告)日:2024-05-17

    申请号:CN202410264943.9

    申请日:2024-03-08

    Abstract: 本发明涉及一种三维成像系统点云空洞补全系统及方法,属于点云空洞补全技术领域。首先获取不同积分时间下同视场的点云数据、彩色图像以及强度数据,识别和标记出点云数据中的空洞区域及边界;其次使用彩色图像特征获取深度数据的空间分布,精确对齐彩色图像中的视觉特征和点云数据中空洞的相应空间位置;最后,获取不同积分时间下强度数据,采用宽动态范围融合的方式补全空洞区域,并结合径向基函数插值算法进一步改善空洞区域数据质量。本发明所提供的技术方案可以精确识别点云数据中的空洞区域,并进行填补、优化空洞信息,保持点云数据的空间连贯性和一致性,最终提升整体点云数据的空间准确性和视觉质量。

    一种用于傅里叶叠层显微成像技术的光强校正方法

    公开(公告)号:CN111062889B

    公开(公告)日:2023-10-24

    申请号:CN201911299272.5

    申请日:2019-12-17

    Abstract: 一种用于傅里叶叠层显微成像技术的光强校正方法,能够实现图像亮度校正的效果,进而达到校正光强不一致误差的目的。包括:(1)采集原始图像,构成图像数据集;(2)设定一个图像强度倍数变化区间[A,B],将采集的原始图像对应的强度校正系数初始值定为1,变换强度校正系数数值,调整图像的强度;将初始图像强度校正系数值按照区间[A,B]内的值根据t依次变化,每次测量图像都乘以不同的强度校正系数,每次变化后都计算一次评价函数;经过若干次迭代,找到最合适的亮度倍数值;(3)对每张低分辨率图像都按照最合适的亮度倍数值调整,就完成了图像的亮度校正;(4)经过校正后的图像进行高分辨率重构,得到重构图像。

    一种宽视场相机遮光罩及其设计方法

    公开(公告)号:CN114114787B

    公开(公告)日:2023-03-21

    申请号:CN202111374585.X

    申请日:2021-11-17

    Abstract: 一种宽视场相机遮光罩及其设计方法,能够解决相机视场外的强光源通过光机结构及光学镜片的多次反射和散射,进入到光学探测器表面上形成杂散光而影响相机的成像质量的问题。这种宽视场相机遮光罩,其包括:遮光罩主体、多级挡光环,遮光罩采用高吸收率光学材料,遮光罩主体和挡光环均具有消杂散光涂层,多级挡光环之间间隔不相等。

    基于深度学习的单幅闭合条纹干涉图解相方法及装置

    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

    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。

    一种用于傅里叶叠层显微成像技术的图像增强方法

    公开(公告)号:CN110060214A

    公开(公告)日:2019-07-26

    申请号:CN201910292963.6

    申请日:2019-04-12

    Abstract: 本发明涉及一种用于傅里叶叠层显微成像技术的图像增强方法,属于显微成像领域。本发明实现方法为,基于FPM系统选择照明光源及照明光源控制平台,根据不同的观察需求确定不同角度入射光的光强大小,并用相应的控制平台调整光强,实现照明光强不均匀误差补偿、提高采集图像的信噪比、增强图像细节等不同目的。本发明通过硬件调控不同位置照明光光强大小,代替了算法补偿或图像校正的过程,在图像采集之前提高了图像的信噪比。此外,本发明能任意调节不同位置照明光光强大小,可以根据观察者的不同需要增强或抑制图像不同频率成分,能满足不同的观察需求。

    基于深度学习的单幅闭合条纹干涉图解相方法及装置

    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

    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。

    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

    公开(公告)号:CN111928794A

    公开(公告)日:2020-11-13

    申请号:CN202010782465.2

    申请日:2020-08-04

    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。

    基于极线约束的穿散射介质图像采集系统和方法

    公开(公告)号:CN109936692B

    公开(公告)日:2020-10-13

    申请号:CN201910284861.X

    申请日:2019-04-10

    Abstract: 本发明涉及光电成像技术领域,特别涉及一种基于极线约束的穿散射介质图像采集系统和方法。该成像系统包括扫描照明模块和成像模块,两者相互配合实现原始数据采集。成像方法应用极线约束原理,首先通过标定获得扫描照明系统和成像系统的极线对应关系,再利用极线扫描成像方式获得初始图像以减小极线间相互的散射影响,从而提高初始成像的信噪比,图像处理结合极线组对应关系和散射模型对初始图像进行组合运算和优化处理,进一步提高成像清晰度获得最终成像结果。本发明结构简单易实现,单次标定后即可对不同场景和目标物进行成像,通过应用极线约束原理在初始图像获取过程中减小了散射的影响,后续运算过程简单,能够有效地提高成像质量。

Patent Agency Ranking