激光/红外共孔径无热化紧凑型光学系统设计

来源 :红外技术 | 被引量 : 0次 | 上传用户:youaidu2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于激光测距和红外目标探测需求,设计了激光/红外共孔径无热化紧凑型光学系统。系统参数设计如下:工作波段为1.064mm激光和7.7~9.3mm长波红外,入瞳直径均为120 mm;激光焦距为800 mm;长波红外焦距为240 mm,F数为2,视场为2.29°×1.83°。选择带有Ritchey-Chretien(RC)反射系统的折反式光学布局,缩短系统纵向尺寸。光学系统共用主镜和次镜,利用次镜实现激光和红外分光。长波红外采用二次成像结构,达到100%冷光阑效率。通过选择合适的光
其他文献
本文采用深度学习技术中的YOLOv3(You Only Look Once Version 3)目标识别算法对红外成像仪从海面采集的红外图像中舰船进行识别。红外成像仪采集图像的频率高达50帧/s,为了能减少网络计算时间,本文借鉴YOLOv3的一些思想,采用全卷积结构和LeakReLU激活函数重新设计一个轻量化的基础网络,以此加快检测速度。输出层根据采集回来的红外图像的特点采用Softmax算法回归
为了提高纯电动汽车的续航里程,采用光伏电池对纯电动汽车动力蓄电池进行辅助充电。为达到比较好的充电效果,使用最优梯度法进行最大功率点跟踪,应用电压电流双闭环电路提高
8月中旬,中共武汉市委党校、武汉行政学院举办了为期两日的2020年度武汉市直机关纪检干部业务能力提升培训班。开班仪式在校国际学术报告厅举行,我校副校长徐军同志、市直机关纪监工委书记王霞同志出席开班式并作动员讲话,市直机关纪监工委副书记肖卫平同志主持开班仪式。
为了提升实际作战环境下目标检测识别的性能,本文提出了一种基于红外显著性目标导引的改进YOLO(You Only Look Once)网络的智能装备目标识别算法,该算法利用红外图像提供目标可能的位置引导可见光图像中的深度自主学习,提升检测与识别的实时性。改进YOLO-V3识别网络是以Darknet-53为基础网络架构,利用DenseNet代替具有较低分辨率的原始转移层,同时采用分类网络预训练、多尺度
红外地球敏感器是卫星控制分系统的重要姿态测量部件,提供卫星相对于地球辐射圆盘俯仰和滚动方向的姿态信息。为进行新一代微型红外地球敏感器研制,开展了基于FPGA的微型红外
目标检测与跟踪是机载光电设备至关重要的功能模块,其检测跟踪的性能直接关系到目标感知的精度。近年来基于Siamese网络的改进跟踪算法在各种挑战性的数据集上取得了优异的效果,但大多数改进算法采用局部搜索策略,无法更新模板,且模板会引入背景干扰,最终因跟踪点漂移导致跟踪失败。为了解决这些问题,本文提出了一种结合目标边缘检测的改进全连接Siamese跟踪算法,该算法利用目标的轮廓模板代替边界框模板,减少