-
公开(公告)号：CN118010757B
公开(公告)日：2024-08-09
申请号：CN202410142277.1
申请日：2024-01-31
申请人： 四川深瑞视科技有限公司 , 江西联创电子有限公司 , 四川大学
IPC分类号： G01N21/956
摘要： 本申请公开了一种3D AOI检测装置及检测方法。该3D AO I检测装置包括：控制设备、频闪光源、光学组件、光栅、运动机构、半透半反镜、成像设备和处理设备，其中，光栅设置于光学组件的光轴上且位于光学组件的出光侧，光栅用于将平行光处理成条纹光；半透半反镜设置于光栅的出光侧，半透半反镜用于透射条纹光至被测物体、接收并反射经被测物体调制后的条纹光；成像设备设置于半透半反镜的反射光路上，处理设备与成像设备连接，处理设备用于获取帧图像，并对帧图像按照预设方法解码得到被测物体的高度。本申请提供的3D AO I检测装置，因为被测物体的调制光沿光轴方向反射至半透半反镜，并被半透半反镜反射至成像设备，因此，不存在调制光的遮挡问题。
-
公开(公告)号：CN118799498A
公开(公告)日：2024-10-18
申请号：CN202411237729.0
申请日：2024-09-05
申请人： 四川深瑞视科技有限公司 , 江西联创电子有限公司 , 四川大学
摘要： 本申请提供一种基于自适应编码的三维重建方法、装置、设备及介质，涉及光学三维测量技术领域，用于解决现有的垂直三维测量系统导致三维重建效率低和精度低的问题。该方法应用于垂直三维测量系统中，垂直三维测量系统包括投影端和成像端，投影端和/或成像端采用液态远心透镜；该方法包括：根据平面标定板在正常条纹投影下的第一投影图像，获得映射表；调整液态远心透镜的焦距，根据待测对象在不同灰度值的多个白场投影下的第二投影图像，生成自适应条纹；根据待测对象在自适应条纹投影下的第三投影图像和映射表，获得待测对象的三维数据。利用液态远心透镜提高三维重建效率，针对不同待测对象生成不同自适应条纹用于投影，提高三维重建精度。
-
公开(公告)号：CN118010757A
公开(公告)日：2024-05-10
申请号：CN202410142277.1
申请日：2024-01-31
申请人： 四川深瑞视科技有限公司 , 江西联创电子有限公司 , 四川大学
IPC分类号： G01N21/956
摘要： 本申请公开了一种3D AOI检测装置及检测方法。该3D AOI检测装置包括：控制设备、频闪光源、光学组件、光栅、运动机构、半透半反镜、成像设备和处理设备，其中，光栅设置于光学组件的光轴上且位于光学组件的出光测，光栅用于将平行光处理成条纹光；半透半反镜设置于光栅的出光侧，半透半反镜用于透射条纹光至被测物体、接收并反射经被测物体调制后的条纹光；成像设备设置于半透半反镜的反射光路上，处理设备与成像设备连接，处理设备用于获取帧图像，并对帧图像按照与预设方法解码得到被测物体的高度。本申请提供的3D AOI检测装置，因为被测物体的调制光沿光轴方向反射至半透半反镜，并被半透半反镜反射至成像设备，因此，不存在调制光的遮挡问题。
-
公开(公告)号：CN118075590A
公开(公告)日：2024-05-24
申请号：CN202410331083.6
申请日：2024-03-22
申请人： 四川大学
摘要： 本发明公开了一种基于多虚拟透镜的消色差扩景深成像系统及成像方法，包括以下步骤：步骤1：构建混合实‑虚成像模块；包括真实透镜和虚拟透镜；步骤2：构建融合重建网络，用于对多深度下的消色差图融合后进行图像重建；步骤3：混合实‑虚成像模块和融合重建网络构成多虚拟透镜消色差扩景深深度网络模型；步骤4：对网络模型进行训练，得到训练后的网络模型；步骤5：将真实场景拍摄的图像输入训练后的网络模型即可得到消色差扩景深图像；本发明在真实透镜后并行嵌入多个虚拟透镜构成混合实‑虚成像模块，通过与之匹配的融合重建网络可以实现消色差扩景深高质量成像；实现在给定成像深度下近似不变的成像特征，得到多深度下的消色差成像结果。
-
公开(公告)号：CN115499566B
公开(公告)日：2023-09-15
申请号：CN202211034822.2
申请日：2022-08-26
申请人： 四川大学
IPC分类号： H04N23/54 , H04N23/55 , H04N23/84 , H04N23/959 , G06N3/0464 , G06N3/084
摘要： 本发明公开了基于深度计算光学元件的端到端高质量消色差成像系统，从图像输入端到输出端依次包括物理透镜PL、传感器和数字透镜DL；输入图像首先与物理透镜卷积生成色差图像；该色差图像由相机采集后作为数字透镜的输入图像与DL卷积生成输出图像；输出图像经过神经网络AANet生成重建图像。本发明光学系统设计简单、成本低、易集成，端到端联动优化方法使得算法与光学硬件深度耦合，可实现软硬件联动优化；重建图像与输入图像相比，峰值信噪比的量化提升高达14.2dB，能够实现高精度的消色差成像，所提框架的灵活性为高质量大景深、大视场成像提供了可能。
-
公开(公告)号：CN113074668A
公开(公告)日：2021-07-06
申请号：CN202110316058.7
申请日：2021-03-24
申请人： 四川大学
IPC分类号： G01B11/25
摘要： 本发明公开了一种基于新型2D复小波的三维面形测量方法，利用单边剖面分布具有非对称特点的2D实墨西哥帽小波和单象限符号函数从频域来构造的具有单边带、非对称和方向选择的2D复小波，并将其用于结构光三维面形测量。相比于传统的基于2D实墨西哥帽小波的小波变换轮廓术，该新型2D小波用于三维面形测量时，无需对条纹进行Hilbert变换预处理，构造的单边带小波的方向性能提高小波匹配局部条纹的能力和抑制噪声的能力，可以提高测量的精度。模拟和实验均证明了构造的2D复小波能实现更好的三维面形重建。
-
公开(公告)号：CN114897752B
公开(公告)日：2023-04-25
申请号：CN202210496709.X
申请日：2022-05-09
申请人： 四川大学
摘要： 本发明公开了一种基于深度学习的单透镜大景深计算成像系统及方法，光学成像系统为具有深度不变的PSF分布的单透镜系统；基于深度学习图像重建网络模型包括收缩路径模型和对称扩展路径模型；收缩路径模型包括M个相同的模块，每个模块沿输入到输出方向依次包括两个卷积层、批标准化层、ReLU激活层和池化层；对称扩展路径模型包括N个相同的模块，每个模块沿输入到输出方向依次包括上采样层、批标准化层、第一卷积层、第一ReLU激活层、第二卷积层、第二ReLU激活层；本发明结合深度不变的PSF分布的单透镜和深度学习网络，得到大景深重建图像；原始图像中的模糊区域都被很好的重建并和真值的清晰度相当，景深被成功扩展，原始图像中的细节也被很好的恢复出来。
-
公开(公告)号：CN114897752A
公开(公告)日：2022-08-12
申请号：CN202210496709.X
申请日：2022-05-09
申请人： 四川大学
摘要： 本发明公开了一种基于深度学习的单透镜大景深计算成像系统及方法，光学成像系统为具有深度不变的PSF分布的单透镜系统；基于深度学习图像重建网络模型包括收缩路径模型和对称扩展路径模型；收缩路径模型包括M个相同的模块，每个模块沿输入到输出方向依次包括两个卷积层、批标准化层、ReLU激活层和池化层；对称扩展路径模型包括N个相同的模块，每个模块沿输入到输出方向依次包括上采样层、批标准化层、第一卷积层、第一ReLU激活层、第二卷积层、第二ReLU激活层；本发明结合深度不变的PSF分布的单透镜和深度学习网络，得到大景深重建图像；原始图像中的模糊区域都被很好的重建并和真值的清晰度相当，景深被成功扩展，原始图像中的细节也被很好的恢复出来。
-
公开(公告)号：CN113256733B
公开(公告)日：2022-05-20
申请号：CN202110528503.6
申请日：2021-05-14
申请人： 四川大学
摘要： 本发明公开了基于置信度投票卷积神经网络的相机光谱灵敏度重建方法，包括以下步骤：步骤1：建立置信度投票卷积神经网络模型；步骤2：获取光源数据、物体反射率数据和光谱灵敏度数据，构建数据集；步骤3：选择一类基函数，将数据集数据输入步骤1构建的神经网络模型中，输出基函数对应权重；该类基函数加权求和得到相机灵敏度函数；步骤4：基于反向传播梯度下降算法最小化损失函数，得到预训练神经网络模型；步骤5：将待标定相机得到的单帧图像输入步骤4得到的预训练神经网络模型，即可重建其光谱灵敏度；本发明方法具有简单、快速、低成本的优点，提高了标定效率，能够满足各类场景的实时测量需求。
-
公开(公告)号：CN114111632A
公开(公告)日：2022-03-01
申请号：CN202111178076.X
申请日：2021-10-09
申请人： 四川大学
摘要： 本发明涉及三维测量领域，特别是一种三维测量的相移误差补偿方法及电子设备。本发明先随机生成不同的误差系数组合，并分别计算出对应的PDF曲线，得到模拟PDF曲线；再计算实际有相移误差的N步相移条纹图的PDF曲线；接着分别计算实测PDF曲线与模拟PDF曲线中每一条PDF曲线的相关系数，相关系数最大，也即最相似模拟PDF曲线对应的误差系数即为实际相位误差系数；代入误差系数，通过迭代法实现相位误差补偿，对任意步数相移算法，均只需要查找两个误差系数。本发明在具有较高的通用性的同时，还进一步提高了补偿效率，从而解决非数字投影技术中相移不准对相位测量所带来的影响，实现快速且高精度的相位误差补偿。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.052 秒)
