光场相机成像质量评价方法研究

光场相机应用一种新的成像技术,利用光学手段获取四维光场信息,包括目标辐射的二维空间分布信息和辐射传播的二维方向信息。与传统相机相比,光场相机在实际应用中可以获得大的景深范围。由此成像质量评价是光场相机研究中一项十分关键的工作。结合光场成像的特点,对光场相机成像模型进行了分析,完成了实际系统中的光场追迹过程,并对点扩散模型进行了计算,仿真实验结果表明该评价方法有效。     

一种基于飞行时间相机的点云目标提取方法

基于飞行时间(Time of Flight,TOF)原理的深度相机成像方法不同于二维图像来计算三维信息,而是通过光在空气中的飞行时间,来计算出目标的距离,从而直接获取场景目标的三维点云信息。本文通过研究基于飞行时间红外相机的三维重建技术,设计了一种基于飞行时间红外相机的点云目标提取方法。利用飞行时间相机直接获得场景的三维点云数据,提出一种双阈值空间滤波算法,对点云数据进行空间滤波,并对滤波效果进行了对比评价。在双阈值空间滤波算法的基础上提出了一种改进的基于法向量的随机抽样一致性(RANSAC)算法,实现了对三维点云数据的目标提取,为基于飞行时间相机的场景目标三维重建奠定了基础。     

使用液晶微透镜的高分辨率三维重建双模相机

提出了一种基于液晶微透镜阵列的双模成像相机。该相机通过打开或者关闭加载在液晶微透镜阵列上的低频电压信号可以快捷地在传统平面成像模式和光场成像模式之间进行切换。液晶微透镜阵列通过常规紫外光刻和湿法刻蚀技术制作而成。通过将液晶微透镜阵列和感光传感器阵列以及主镜头耦合到一起,构造了一个双模成像相机的原型。通过该双模成像相机开展了相关实验,获取了同一目标物的光场图像和平面图像,并对孔径设计和两种工作模式下的景深进行了分析,给出了光场成像模式下目标物三维信息的计算方法,通过将三维光场数据和对应二维平面数据的信息进行融合获得了高分辨率三维图像。     

基于光场相机结构的自适应光学系统仿真研究

在自适应光学系统中,采用传统的哈特曼波前传感器只能在较小视场范围内对大气湍流进行有效校正,而以光场相机作为波前探测器具有视场大、一次曝光可获得多视角方向湍流信息等特点,可以替代传统多层共轭自适应光学（MCAO）系统中的多个波前探测器,达到简化系统,节约成本的效果。文中采用自主研发的光学系统仿真软件Seelight中的光场相机模块,结合光场数字重聚焦技术、模式法大气层析技术,复原了大视场完整波前,并搭建了自适应光学仿真系统,模拟与89单元变形镜配合实现在闭环工作模式下对大视场的大气湍流引起波前畸变的有效校正。     

基于光场成像的双弹丸重合成像识别方法

针对双弹丸之间存在部分遮挡引起成像重合,导致传统相机对目标参数识别困难的问题,提出了一种基于光场成像的双弹丸重合成像识别方法.采用光场相机作为探测装置,根据光场相机保存的光线四维参数,应用焦点堆栈法实现对目标成像中每个像素点的深度估计.通过对双弹丸部分遮挡时成像特征的分析,发现成像重合边缘处相邻像素点间存在深度差值变化较大的特点,结合卡尔曼滤波方程,建立基于深度变化趋势的边缘检测算法模型,解决了弹丸成像的重合问题.通过对光场相机进行模拟实验发现:目标间存在遮挡现象时,光场相机能有效检测成像的重合边缘,为光场相机准确识别目标数目及位置奠定了基础.     

基于自适应短时傅里叶变换的结构光场单帧三维成像算法

单帧结构光图像的相位恢复、解相是三维成像领域的重要问题。理论上，在选择合适参数的条件下，短时傅里叶变换（STFT）可以有效地完成相位恢复，但“合适参数”这一前提条件往往因缺少先验信息而难以实现。在传统STFT的基础上，采用结构光场系统充分利用光场成像的特性，提出一种基于自适应STFT的结构光场单帧三维成像算法。所提算法将结构光场图像从纹理、瞬时频率和深度估计信息等3个角度进行融合，将光场图像分割为满足STFT约束的若干区域，对每个区域依据瞬时频率估计对应的STFT的参数，进而恢复相对相位。随后，采用结构光场的解相方法实现三维成像。实验结果表明，所提自适应STFT算法能够有效完成被测物体的三维成像。     

湍流强度对大气传输光束的相位特性及其相位校正物理极限的影响

运用相位屏近似法计算模拟了激光束通过大气湍流的光场分布。从高频相位比例和相位不连续点数目等角度对畸变光束的相位特性进行了分析,进而利用考虑到变形镜驱动器间交联耦合的高通滤波方法模拟自适应系统对畸变波前的校正作用,建立了畸变光束的相位校正物理极限的预估模型,定量分析了湍流强度和传输距离对校正极限的影响。研究结果表明:在一定范围内,随着湍流强度的增强及传输距离的增大,畸变波前中高频相位比例明显增加,相位不连续点数目也逐渐增多;激光束通过大气湍流后,其相位校正的效果主要受畸变光束连续相位中的高频相位比例以及相位不连续点数目的共同影响,畸变波前中高频相位比例越大,相位不连续点的数目越多,相位校正效果也越差。     

噪声情况下模型式无波前探测自适应光学系统扩展目标成像校正

利用88单元变形镜及电荷耦合器件成像器件,以扩展目标为校正对象,建立了带有噪声的无波前探测自适应光学系统模型。在噪声情况下,验证了扩展目标成像时掩模探测器信号和波前相位的平均梯度平方和之间存在线性关系。将基于此线性关系的算法作为无波前探测自适应光学系统的控制算法,通过仿真,检验了模型式无波前探测自适应光学系统在噪声情况下对扩展目标成像的校正能力。结果表明,相同湍流条件、不同信噪比下的校正效果接近。按照湍流条件从小到大的顺序,与信噪比为20 dB的结果相比,信噪比为5 dB时校正后的平均均方根相对误差分别为3.71%,2.94%和2.42%,说明基于该线性关系的模型控制算法具有较强的抗噪能力。     

基于面阵三维成像激光雷达的目标点云分割技术

针对偏振三维成像系统的高效目标三维点云分割问题,提出一种多维信息融合的高效分割理念。系统采用高分辨率EMCCD相机作为面阵探测器,在一次成像过程中,可同时获得视场中的灰度图像以及三维点云数据。根据该成像特点,建立灰度图的像素坐标与点云数据像素坐标之间的点对点映射关系,结合粒子群优化算法的边缘分割方法,将灰度图中目标分割后的坐标信息映射到三维点云数据中,得到其三维点云数据。该方法将三维点云数据降维处理为二维图像处理,显著降低了计算复杂度,避免了点云数据误差对分割精度造成的影响。实验验证了多维数据融合目标三维点云分割方法的有效性。     

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低, 而且生成的 场景中的点云又具有非结构化、近密远疏的性质, 因此,提高双目视觉匹配的精度与速度, 以及准确分割点 云目标, 一直是点云获取及目标检测中的难点问题。 针对以上问题, 本文首先提出了一种融合主动激光 的 3D 点云目标采集方法, 快速准确地获得原始点云数据; 其次提出了一种基于欧式聚类的改进算法, 使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类, 得到边界明确的 3D 点云目标检测框。 实验结果表明:所设计的 3D 点云成像系统能够有效获取前方物体的 3D 点云信息,且具有比激光雷达成 本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物 体易出现欠分割或过分割的问题, 提高了目标检测的准确率, 在室内场景下具有良好的检测效果。     

基于无监督学习的ToF点云目标提取方法

飞行时间(Time of Flight,ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于kmeans提出一种FVPkmeans算法,完成目标点云数据的全局全矢量提取处理。再基于K NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。     

一种基于激光三维成像雷达距离像的目标检测方法

为了提高激光三维成像雷达地面目标的检测效率,提出一种基于激光三维成像雷达距离像的目标检测方法。该方法首先采用基于邻域像素内检测距离反常算法对距离像进行噪声抑制预处理,然后采用基于形态学的地面估计和高程分割算法实现了距离像的地物分割,最后根据感兴趣目标的尺寸特征,采用最小外接矩形估计算法实现了感兴趣目标的快速检测。本文提出的方法充分利用了距离像的高程信息和目标已知的先验知识,不受二维图像中光照灰度变化对目标检测效果的影响以及处理三维海量点云数据对计算速率的影响。实验结果证明,本文提出的方法适用于复杂多变的战场环境下对地面目标进行快速检测,且满足了实时性要求。     

基于最近迭代点的毫米波雷达点云数据处理方法

毫米波雷达具有小型化、低成本等特点,可全天候、全天时工作,在高级辅助驾驶系统中发挥着重要作用。基于多芯片级联方案的多发多收（multiple-input multiple-out, MIMO）技术可有效提高毫米波雷达的角度分辨率,使得毫米波雷达点云成像成为可能。针对毫米波雷达图像点云稀疏、噪点多等问题,本文提出了一种基于最近迭代点的毫米波雷达多帧融合和自适应邻域半径的DBSCAN算法。首先,利用MIMO毫米波雷达技术获得多帧观测场景目标点云图像。其次,利用辅助信息得到点云匹配的初值,通过最近迭代点算法估计平移旋转矩阵进行精确匹配,实现多帧数据融合以改善图像点云稀疏问题。然后,设计自适应阈值的DBSCAN算法去除噪声,获得目标的点簇信息,再对聚类后的点簇目标求取最小外接矩形,结合目标散射强度,实现对车辆和围栏等不同类型目标区分。最后,利用外场（典型停车场场景）测试数据,对本文所提算法的有效性进行了验证。     

两组双目立体深度图像信息融合与三维重建方法

获取工件目标的三维表面与深度信息是实现工业立体视觉应用的关键。提出一种将两组双目视觉系统结合的方法,对随机摆放的工件多方位采集图像并获得目标工件的三维表面点云。其中,两组双目视觉系统会根据NCC(Normalized Cross Correlation)匹配算法产生工作场景的两组视差图像,去噪分割之后对其立体深度信息进行提取,其过程中采用一种新颖的转换方法,视差图像中每个坐标位置的像素点的x、y、z方向的立体深度信息分别被转化为X、Y、Z图像中对应位置上像素的灰度值。采样两组立体深度数据,共同储存到标定完成的参考相机坐标系中达到信息融合的目的。最后,对随机摆放的工业工件进行了的三维重构实验,对于相互重叠、高度、姿势都不同的零件能较好的恢复出清晰的轮廓点云,在重叠区域也能产生较为明显的层次性。     

星载TDICCD 相机方位扫描像移模型研究

在应用坐标系变换方法实现星载TDICDD 相机星下点扫描像移模型的基础上,将45旋转扫描反射镜（以下简称45镜）用于TDICCD 相机成像以扩大扫描视场。首先深入分析了45镜的成像特性及K 镜消像旋的原理,并利用Matlab 对K 镜消像旋效果进行仿真,验证了加入K 镜的合理性。然后利用45镜及K 镜对光矢量的转换矩阵,建立了TDICCD 相机方位扫描时的像移模型,为后续像移分析提供理论依据。     

云杂波背景图像序列中小目标检测算法研究

云杂波背景图像序列中运动小目标的实时检测算法,是红外精确制导系统中的关键算法之一。首先对云杂波背景图像像素进行分类分析,研究了两种最大顺序滤波器和利用序列图像中像素时域剖面检测小目标的自适应方差滤波器算法,继而提出了一种适合云杂波背景的小目标检测算法。使用此算法对两组真实图像序列中运动小目标进行检测,根据对检测结果的分析,指出此算法可有效地完成检测任务,并且具有运算简单、存储量小、可并行实现、实时性好等特点。最后提出了后续工作的方向。     

三维点云重建混凝土结构裂缝定位与追踪技术的研究

混凝土结构裂缝是影响既有工程安全的病害之一，如何实现对混凝土结构裂缝的自动定位、扩展跟追，是降低混凝土裂缝病害破坏力、预防安全事故的主要问题。三维点云重建混凝土结构裂缝定位与跟追技术基于大数据技术，其可以通过无人机搭载的高分辨云台照相机获得目标图像集，然后通过优化数据集与三维重建流程，获得建筑结构点云模型并还原相机空间参数，最后通过视点定位算法，求得拍摄图片的坐标，并将图片与坐标相连接，以此将裂缝定位在点云模型中。检验表明，三维点云重建的模型能精准定位混凝土裂缝，并实现对裂缝的实时跟踪与观测。