基于扫描光场的视觉雷达成像系统和方法

    公开(公告)号:CN113504547A

    公开(公告)日:2021-10-15

    申请号:CN202111046353.1

    申请日:2021-09-07

    Applicant: 清华大学

    Abstract: 本申请提出了一种基于扫描光场的视觉雷达成像系统和方法,涉及光场成像与雷达探测技术领域,包括发射模块、扫描光场探测模块、计算重建模块,其中,发射模块,包括光源和扩束镜,用于对目标场景各个部分的均匀照射;扫描光场探测模块,包括普通成像模块、微透镜阵列扫描模块、中继成像镜组以及相机阵列,用于将检测到的微弱光信号在像感器面上记录为多维耦合的原始数据,生成光场图像;计算重建模块,用于对光场图像进行三维场景重建,在补偿光场系统空间分辨率损失的同时保留原有的视角信息量。本申请在保证视角分辨率、空间分辨率精度较高的同时,能够在恶劣环境下对目标场景进行实时三维重建,有效提升了雷达成像系统的分辨性能。

    基于同步扫描条纹相机的非视域动态成像方法及装置

    公开(公告)号:CN111476897B

    公开(公告)日:2023-04-18

    申请号:CN202010212152.3

    申请日:2020-03-24

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于同步扫描条纹相机的非视域动态成像方法及装置,其中,该方法包括:通过转镜移动光源对待成像物体的多个位置的进行扫描;利用位置不同的多台同步扫描条纹相机采集所述待成像物体的多张不同位置的条纹图像;根据其中一台同步扫描条纹相机采集的多张不同位置的条纹图像以及反向投影算法对所述待成像物体进行重构,实现所述待成像物体的静态三维成像;根据多台同步扫描条纹相机采集的多张不同位置的条纹图像和时间解耦方式对所述待成像物体进行成像获得所述待成像物体的三维动态信息。该方法能够实现高效高质量的非视域成像。

    基于光子计数的计算全息雷达三维成像方法和装置

    公开(公告)号:CN113376653A

    公开(公告)日:2021-09-10

    申请号:CN202110927187.X

    申请日:2021-08-12

    Applicant: 清华大学

    Abstract: 本申请提出一种基于光子计数的计算全息雷达三维成像方法和装置,包括:根据采集到的回波光子的分布情况统计得到各个单光子探测器单元的时间相关光子计数直方图;选取探测距离计算光子飞行时间;根据计算的光子飞行时间找出每个时间相关光子计数直方图中在光子飞行时间处对应的光子数目;依次计算各个单光子探测器单元探测的目标在全息面上的复振幅分布;将各个单光子探测器单元对应的复振幅分布进行叠加得到探测场景的总复振幅分布;构建参考光;将总复振幅分布和参考光相加得到全息面上总的复振幅;使用全息图再现算法对全息面上总的复振幅进行计算,求出最终的全息图像。本申请深度信息测量精度较高,并且能够对大场景下的目标进行快速探测。

    基于光电倍增管阵列的非视域成像装置和方法

    公开(公告)号:CN113099209A

    公开(公告)日:2021-07-09

    申请号:CN202110312078.7

    申请日:2021-03-24

    Applicant: 清华大学

    Abstract: 本申请提出一种基于光电倍增管阵列的非视域成像装置和方法,涉及计算摄像学技术领域,其中,包括:光电倍增管PMT阵列、激光器、时间相关计数装置和计算重构装置;PMT阵列和时间相关计数装置作为非视域成像的采集相机对目标物体进行拍摄;其中,每个PMT连接一个时间数字转换器TDC;激光器作为激励源,且激光器输出的电同步信号同步时间相关计数装置;计算重构装置获取PMT阵列记录的时间和光子数作为待重构数据,采用反演重构算法对待重构数据进行处理,重构出非视域的成像目标图像。由此,能够实现高效高质量的非视域成像。

    基于同步扫描条纹相机的非视域动态成像方法及装置

    公开(公告)号:CN111476897A

    公开(公告)日:2020-07-31

    申请号:CN202010212152.3

    申请日:2020-03-24

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于同步扫描条纹相机的非视域动态成像方法及装置,其中,该方法包括:通过转镜移动光源对待成像物体的多个位置的进行扫描;利用位置不同的多台同步扫描条纹相机采集所述待成像物体的多张不同位置的条纹图像;根据其中一台同步扫描条纹相机采集的多张不同位置的条纹图像以及反向投影算法对所述待成像物体进行重构,实现所述待成像物体的静态三维成像;根据多台同步扫描条纹相机采集的多张不同位置的条纹图像和时间解耦方式对所述待成像物体进行成像获得所述待成像物体的三维动态信息。该方法能够实现高效高质量的非视域成像。

    基于分孔径选通型相机的非视域动态成像方法及装置

    公开(公告)号:CN112040116B

    公开(公告)日:2022-07-29

    申请号:CN202010697489.8

    申请日:2020-07-20

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于分孔径选通型相机的非视域动态成像方法及装置,其中,该方法包括:S1,调节分孔径选通型相机的同步控制系统使分孔径选通型相机与激光源同步,激光源发射激光照射待成像物体;S2,调整分孔径选通型相机的参数,开启第一个分孔径选通型相机,调整分孔径选通型相机的参数获取待成像物体的最佳图像;S3,调整分孔径选通型相机的延迟时间,开启另一个分孔径选通型相机,通过分孔径选通型相机获取待成像物体的最佳图像;S4,重复S2和S3,获取所有分孔径选通型相机接收的多个待成像物体的最佳图像,根据多个最佳图像对待成像物体进行动态成像。该方法利用分孔径选通型相机对非视域内的物体进行动态成像。

    基于TCSPC的全息雷达三维成像方法和装置

    公开(公告)号:CN113406664A

    公开(公告)日:2021-09-17

    申请号:CN202110957635.0

    申请日:2021-08-19

    Applicant: 清华大学

    Abstract: 本申请提出一种基于TCSPC的全息雷达三维成像方法和装置,包括:向探测场景发射激光,经扩束和分束后一束激光照向探测场景,一束激光作为参考光照向探测器;照向探测场景的激光由场景反射后作为物光被探测器接收,与参考光在探测器处发生干涉;用时间相关光子计数器统计发生干涉后的光子分布情况生成全息时间光子计数直方图;针对不同时间依次对全息时间光子计数直方图进行切片得到不同距离下的全息图;依次对不同距离下的全息图进行再现得到探测物体在不同距离下的距离切片全息三维重建结果;根据具体需求对不同距离下的距离切片结果分析展示或叠加得到整体全息三维重建结果。本申请保证了高精度信息测量,提高了自动驾驶技术对周围环境感知的能力。

    基于分孔径选通型相机的非视域动态成像方法及装置

    公开(公告)号:CN112040116A

    公开(公告)日:2020-12-04

    申请号:CN202010697489.8

    申请日:2020-07-20

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于分孔径选通型相机的非视域动态成像方法及装置,其中,该方法包括:S1,调节分孔径选通型相机的同步控制系统使分孔径选通型相机与激光源同步,激光源发射激光照射待成像物体;S2,调整分孔径选通型相机的参数,开启第一个分孔径选通型相机,调整分孔径选通型相机的参数获取待成像物体的最佳图像;S3,调整分孔径选通型相机的延迟时间,开启另一个分孔径选通型相机,通过分孔径选通型相机获取待成像物体的最佳图像;S4,重复S2和S3,获取所有分孔径选通型相机接收的多个待成像物体的最佳图像,根据多个最佳图像对待成像物体进行动态成像。该方法利用分孔径选通型相机对非视域内的物体进行动态成像。

    基于多尺度相机阵列的分级视频拼接方法及装置

    公开(公告)号:CN111935417A

    公开(公告)日:2020-11-13

    申请号:CN202010628067.5

    申请日:2020-07-02

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于多尺度相机阵列的分级视频拼接方法及装置,其中,该方法包括:通过多尺度相机阵列的全局相机和N个级别的局部相机采集场景的全局视频和多个局部视频;其中,N为正整数;利用嵌入式拼接算法将第一级别局部视频嵌入到全局视频中,生成一级全局视频;利用嵌入式拼接算法将第M级别局部视频嵌入到M-1级全局视频中,生成M级全局视频,其中,M=2、3、4…N,N为局部相机的级数;完成所有级别局部视频的嵌入处理,得到N级全局视频,输出N级全局视频作为场景的全局视频。该方法在兼顾拼接速度的前提下,有效提高视频拼接质量。

    基于深度学习的非视域飞秒成像三维重建方法及装置

    公开(公告)号:CN111462299A

    公开(公告)日:2020-07-28

    申请号:CN202010136035.3

    申请日:2020-03-02

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于深度学习的非视域飞秒成像三维重建方法及装置,其中,方法包括以下步骤:建立视域场景的三维模型,利用空间坐标系确定每个离散面片的位置和方向,并且进行视域下高速渲染;对光照场景进行非视域光追渲染;基于数据学习的神经网络架构,以从非视域场到视域场的三维重建扫描。该方法通过神经网络学习视域场和非视域场之间的传递函数,可以在没有过多硬件约束的条件下,将非视域场中采集到的条纹信息重建成为视域信息,从而使用数据而非光学模型对视域场进行重建,有效提高重建的适用性和实用性,简单易实现。

Patent Agency Ranking