机器人的全息三维视觉

来源 :激光与光电子学进展 | 被引量 : 0次 | 上传用户:liongliong577
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
苏联科学院新西伯利亚自动学和电测学研究所的提出了研制三维视觉系统的全息方法。目前还没有可靠而有效的机器人视觉系统,这在很大程度上限制了机器人在生产过程中的应用。这种系统实用性的主要标准是反应迅速:它不应大于0.1秒。然而它的空间分辨率可以相当低: 50×50×50个分辨单元。
其他文献
期刊
光刻用准分子激光器的能量特性在集成电路的光刻过程中至关重要,直接影响光刻机曝光线条的精度。为了实现对于衡量能量特性的能量稳定性和剂量精度的精确控制,从放电电压调节的角度对激光脉冲的能量特性控制进行了研究。为了设计能量特性控制算法,首先对准分子激光器的放电特性建立了仿真模型,并验证了模型的有效性。然后,设计了基于强化学习的准分子激光器能量特性控制算法。最后在仿真模型上,分别采用Z-N(Ziegler-Nichol)参数整定的比例积分(PI)算法、粒子群优化(PSO)整定的PI算法和基于强化学习的算法对出光脉
为了获取强激光驱动产生的X射线光源焦斑尺寸和空间分辨率, 设计了刃边及双网格方法, 其中刃边厚度为0.2 μm, 双网格分别为400目铜网格和394 lp/cm的镍网, 利用X射线CCD作为探测元件。Ti宝石激光在能量1 J、脉宽40 fs、频率10 Hz、激光功率密度约为4.4×1018 W/cm2的条件下, 重复频率加载圆盘Cu靶。在中国工程物理研究院25 TW激光装置上首次获得了X射线的焦斑及网格图像, 并推算了该装置的X射线焦斑尺寸为43 μm, 而网格空间分辨力为34 μm。结果表明该刃边及双网
重叠度低的点云配准精度和不同尺度点云配准通用性的研究是点云配准的难题,目前许多配准算法对低重叠度的点云,尤其是在位姿差异较大的情况下,配准精度较低,此外,算法对不同尺度的点云较为敏感,点云需要预先处理或者调节较多参数才能达到较好的配准效果。快速点特征直方图(FPFH)是一种广泛应用于点云的特征,复杂度相对较低,保留了点云的大部分特征。基于点云的快速点特征直方图提出了一种改进的配准方法。首先,提出基
为了在低照度下获得高的灵敏度和空间分辨率, 行间转移CCD相机能够按一定的方法以时延积分(TDI)方式工作。辐射定标实验中发现, 这种工作方式会造成某些像元的输出明显低于其他像元, 从而导致系统像元响应不均匀性和信噪比变差。提出了一种改进的TDI模式行间转移CCD相机辐射定标方法。该方法将TDI级数作为变量加入到像元响应不均匀性和信噪比的算法中, 在基本不影响正常使用的前提下大幅提高系统的性能。验证实验结果表明, 和原方法相比, 改进后的辐射定标方法能够有效降低系统的响应不均匀性并提高信噪比, 更加真实地
期刊
受限于空间光调制器(SLM)有限的刷新速率,现有的基于SLM的多模光纤(MMF)成像方法并不能满足对活体生物组织内窥成像的需求。考虑到数字微镜器件(DMD)的刷新速率比SLM高两个数量级,因此提出了一种基于DMD二值振幅调制的MMF出射光斑聚焦扫描技术。理论分析表明,MMF出射端任意聚焦区域内的总光强与DMD子区域的振幅调制系数之间存在二次函数关系,因此,通过DMD对MMF入射波前进行二值振幅调制
为减小并行相移数字全息重建过程中的插值误差、提高再现图像的质量,提出了一种基于全息图像条纹特性和像素分布的并行相移数字全息条纹分析插值算法。该算法首先根据相移特性从并行相移数字全息图中提取各同相全息图像,将各图像分为3×3的方块区域;按照全息条纹特性对分割的方块区域进行多方向插值,根据多方向插值后的图像频域特性进行选择性合并,生成新的全息再现物场。实验结果表明:与传统并行相移全息插值算法相比,所提
为实现工业生产中光纤传像材料的微纳米尺度形变监测,基于数字散斑相关理论提出了一种测量离面位移的新方法。运用数字散斑相关算法测得材料变形前后两幅图像之间的面内位移,然后根据楔面化模型即可得到光纤传像材料在显微镜下的离面位移场。介绍了离面位移提取算法的原理,并基于球面化理论对光纤传像材料离面位移测量进行了计算机模拟和实验测试,模拟结果与实验结果均表明该方法可以由二维图像中直观的面内位移直接提取离面位移
Multipath interference induced power fading occurs when the transmission path lengths from the light emitting diodes to a single receiver are different in a visible light communication system. To solve this problem, we apply a QR-decomposition-based chann