望远成像/准直测量光管用来对自准直仪的狭缝位置、星模拟器的星点目标位置以及棱镜的法线位置进行自适应识别和判读。在望远成像/准直测量光管工作过程中,由于望远成像/准直光学系统的设计、加工、装调中存在的误差所致,会出现畸变现象,使实际像点的位置偏离理想成像位置,因此图像信息不能准确的反映三维空间位置信息,这将对性能检测的结果产生影响。为了获取空间目标的位置与图像中对应像点位置的准确关系,就需要对望远成像/准直光学系统进行像面标定。因此为了保障望远成像/准直测量光管的检测精度,本论文通过对基于神经网络的像面标定方法的研究实现对望远成像/准直光学系统中望远成像测量光路和准直测量光路的畸变标定。本论文所做的具体工作主要有以下四个方面:1.对现有的像面标定方法进行了分析,根据目前所有的像面标定方法中,线性标定方法精确度不高;非线性标定方法加入了畸变因素,提高了标定精度,但是所使用的相机成像模型难以完备的描述一个成像系统,而神经网络具有无限逼近任意非线性的特点,提出了本论文基于神经网络的标定方法,并说明了本论文标定方法的可行性。2.像面标定是从二维图像信息获取三维空间信息的过程,检测图像中的角点坐标信息是标定过程中的一个前期步骤,检测的坐标的准确度将会直接影响到最终标定结果的精度。本论文在Harris角点提取算法的基础上,利用棋盘格中,角点与其附近像点的连线与该像素点的灰度梯度垂直这个客观现象来提取亚像素级坐标角点。本论文通过MATLAB编程实现了该算法,验证了使用该算法提取的角点坐标可以达到亚像素。3.针对本论文所提出的基于神经网络的标定方法中,神经网络的泛化能力对标定结果影响很大的问题。与常用的均方误差(MSE)准则相比,最大相关熵(MCC)准则使网络泛化能力更强、预测精度更高。本论文将基于最大相关熵(MCC)准则的自适应模糊神经网络系统引入到该标定方法中。该神经网络系统可以更有效的解决高度非线性问题,同时具有良好的鲁棒性,更高的精确度和较快的运算速度,提高系统标定的精度。4.设计了望远成像/准直光学系统,并基于折射式系统进行了实验。实验步骤如下:首先,将标定板放置于基准平行光管的焦平面上模拟无穷远目标,望远成像/准直系统与CCD组成的相机系统采集望远成像测量光路的标定板图像;之后,将标定板放置于望远成像/准直系统的焦平面上,通过反射镜反射后成像在CCD探测器平面上,采集准直测量光路的标定板图像;最后,提取标定板中的角点坐标,将图像坐标作为输入,对应的投影在标定板中的无畸变坐标作为输出,训练神经网络,实现对望远成像检测光路和准直检测光路的标定。