刀口法测量高斯光束光斑半径研究

根据高斯光束光强分布公式,讨论了P（x）%/（1-P（x)%)为任意值时,高斯光束光斑半径与刀口-光斑中心距比值及相应的光斑半径的测量误差;根据理论分析结果,在P(x)%为不同值条件下,对基模高斯光束光斑半径进行了实验测量,实验结果与理论分析符合较好。     

刀口法测量拉盖尔-高斯涡旋光斑的理论与实验研究

拉盖尔-高斯(LG0l)涡旋光束携带光轨道角动量,提供了额外复用自由度,可以极大提高光通信容量,实现该涡旋光束光斑半径的精确测量对其应用具有重要意义.刀口法由于廉价、方便、精度高、适用于较大功率的测量等优势,是测量光斑尺寸及束腰尺寸的理想方法.然而,以往刀口法的研究主要集中在基横模高斯光束上,尚缺少关于刀口法对LG0l涡旋光斑的测量研究.本文对基于刀口法的LG0l涡旋光斑尺寸测量进行了详细地理论分析和实验研究.理论分析中给出了刀口法测量LG0l涡旋光束的原理;实验上将螺旋相位板对基模高斯光束调制后产生的光束当作LG0l涡旋光束的近似,并采用刀口法测量了该LG0l(l=0,1和2)涡旋光的光斑;借助Mathematica程序数值拟合了实验测量的横向光场强度分布结果,得到了不同LG0l涡旋光束的光斑半径.根据光斑半径的特点可得出:经低涡旋阶数的螺旋相位板调制之后,基模高斯光束可变为相应涡旋阶数的LG0l涡旋光束,变换前后光斑半径基本保持不变.     

刀口特性对光斑测量的影响

本文从理论上分析了刀口的几何特性与物理特性对微小光斑测量的影响。     

新型四象限设计及其光斑参数测量方法

针对自由空间光通信中对信标光进行快速、准确定位的要求,基于一种新型四象限探测器设计,提出了采用归一化函数方法获得光斑参数。首先,根据电流与相应光斑面积关系之比,可以得出光斑半径;其次,利用归一化函数的方法获得光斑中心偏移量的估计量;再次,采用查表法简化了函数的运算复杂度;最后,利用误差分析方法得出光斑中心偏移量的估计误差。理论分析和仿真表明,该方法能够精确地估计出光斑的半径和位置,光斑半径估计误差在±0.01%以内,光斑位置的估计误差在±0.005%以内。算法计算复杂度低,测量跟踪速度快,定位准确,可以广泛应用于自由空间光通信。     

靶面激光光斑尺寸原位测量的研究

提供了一种简便易行的靶面激光光斑尺寸原位测量的方法。从高斯光束的横向光强分布特性出发,建立了激光烧蚀斑半径与辐照激光能量、光斑尺寸、烧蚀阈值间的关系式,模拟分析发现辐照激光光斑尺寸对烧蚀斑半径随辐照能量变化曲线有较大影响。对于脉宽为2 ms,波长为1064 nm的激光,实验测量了不同能量激光辐照下相纸烧蚀斑半径,并用推导出的关系式拟合测量数据,获得了靶面处光斑尺寸和样品烧蚀阈值。同时,也测量了不同位置处的光斑尺寸和样品烧蚀阈值,对高斯光束束腰位置和样品烧蚀阈值的光斑尺寸效应进行了验证。研究结果表明该技术结果可靠,简单高效。该技术可以为高能激光与固体物质相互作用的基础研究和激光加工等应用领域中实现简单方便地测量靶面光斑尺寸提供帮助。     

刀口法测量激光光斑尺寸大小的实验

光斑尺寸的大小,对于判断该光束的质量,是一个非常重要的参数,本文提供了一种系统简单、操作方便、可靠性较强的测量方法.该方法采用刀口来遮挡光束,使其沿垂直光束轴线的方向进行移动,通过测量光束的能量变化,来达到测量出光斑尺寸的目的.     

刀口法测量高斯光束光斑尺寸的重新认识

文中对刀口法测量高斯光束斑直径时，通常多用能量比值86.5%所对应的位置作为光斑直径，但在一维测量情况下不能用这一数值，通过理论计算，导出了新的数值为95.4%。     

基于CCD的光斑能量分布测量及特性分析

光纤技术应用于自由空间激光通信系统有诸多优点,而且应用前景广阔。空间光与光纤的耦合效率问题是其应用中的首要问题。本文论述了光斑半径与耦合效率的关系,对有无大气影响时的光斑形状进行的仿真,分析了大气湍流对光斑形状以及半径的影响,采用CCD对激光光斑进行测量,分析CCD采集到的激光光斑的能量分布、光斑半径等特性,特别针对当采集到的光斑中央最大光功率超出CCD的探测范围,根据已知的光斑能量分布,推算出光斑中央的光功率,用以拟合出实际光斑能量分布,确定光斑半径大小。对光斑半径大小的研究有助于合理选择光纤的芯径及数值孔径,评估空间光到光纤的耦合效率。     

激光光斑整形算法

为了消除红外激光光斑图像中的后向散射现象或使光斑的灰度分布更加均匀以便于观测,提出了一种基于光斑重心的后向散射抑制算法和一种激光光斑灰度值补偿的算法。基于光斑重心的后向散射抑制算法是在提取光斑重心位置的基础上,确定光斑的半径,最后通过设定的阈值决定图像的灰度值。光斑灰度值补偿算法要在确定光斑边缘点的基础上,计算出光斑中心,再通过光斑的区域能量来修正中心位置并确定光斑半径,最后以光斑中心和半径来矫正光斑区域图像的灰度值。给出两种算法的实验结果及分析,研究证明算法可以基本全部去除光斑图像中的后向散射现象,较好的修正光斑区域的灰度值分布情况,经算法处理后的图像适合应用于进一步的工程实验分析中或是进行实时图像观测。     

基于圆拟合的激光光斑中心检测算法

激光光斑中心检测是光学测量中常用的关键技术，检测算法的精度和速度直接影响了测量的精度及速度，传统的检测算法如重心法，Hough变换法等在检测精度或速度上存在不足，基于圆拟合的激光光斑中心检测算法是根据最小二乘原理用圆来逼近激光光斑轮廓，该算法除了可以检测光斑中心外，还可以检测光斑半径，达到亚像素级的定位精度，具有很快的计算速度，可适用于实时的光学测量。     

基于最优弧的激光光斑中心检测算法

激光光斑中心检测是光学测量中常用的关键技术,广泛应用在光学测量系统、光路自动准直系统、激光通信目标跟踪中。为了提高光斑中心及半径的检测精度和抗干扰性,提出了一种基于最优弧的激光光斑中心检测算法,该算法首先根据圆的对称性排除了受干扰边缘,然后选取对称性好的弧线作为最优弧,最后以最优弧的数据作为拟合数据,利用最小二乘法计算出圆的中心及半径,并与其他算法进行了比较。实验表明,该算法对于中心和半径的定位精度高、计算速度快,并有效地提高了中心检测的抗干扰性,适用于在线实时检测。     

基于圆拟合的非完整圆激光光斑中心检测算法

为了确定非均匀、非完整圆小孔激光光斑的精确中心,提出一种基于圆拟合的非完整圆小孔激光光斑中心检测新方法.该方法通过灰度形态学算法对激光光斑进行阈值分割,从水平和垂直两个方向检测粗略的激光光斑边缘,利用边界生长法消除比较短的圆弧和孤立的边缘点,通过反复迭代拟合获得最佳的圆轮廓并拟合出最终的标准圆.实验结果表明本方法精度明显优于传统的大型激光装置自动准直系统中的重心法,完全满足了该系统中对于非均匀、非完整圆小孔激光光斑中心求取的精度要求.     

适用于激光合成器的激光光斑中心检测

为了在工程中合成能量高的激光光束,需对激光合成器中的多路高功率激光光斑中心进行实时准确检测。针对采集到的激光合成器中激光光斑的大面阵大目标等特点,提出用两步检测法对激光光斑中心进行检测。通过对现有激光光斑中心两步检测法的分析比较以及通过计算机仿真和实验验证来获得一种适用于激光合成器的激光光斑中心检测的算法。研究结果表明现有的激光光斑中心两步检测算法大多针对小面阵小目标低功率且多为理想光斑的情形,而采用本文提出的算法可以分别针对激光合成器中采集到的饱和光斑和非饱和光斑做实时准确的检测,具有工程实用价值。     

无衍射光束中心光斑的特性研究

为了将无衍射光应用于大景深成像系统中,分析了无衍射光束中心光斑的变化规律。利用菲涅耳衍射理论,讨论了无衍射成像系统中点光源在透镜焦点及焦点前后所产生的无衍射光斑形式。并根据准单色光理论,推导出准单色点光源在不同位置产生的中心光斑的尺寸和强度计算公式。最后,用红色高亮发光二极管作为准单色光源进行了验证实验。实验结果表明,无衍射光束中心光斑的半径随点光源距透镜距离的增大而减小,其强度随点光源距透镜距离的增大而增强。所得的结果为无衍射光应用于成像系统提供了理论依据。     

基于FPGA的红外光斑中心实时检测

红外光斑中心检测在红外自动验光仪、红外测距仪等光学测量和检测仪器中是一项关键技术,检测算法的精度、速度直接影响光学测量的精度及速度。目前的检测处理系统多是基于PC机的,存在着实时性、稳定性问题。在总结各种检测算法的基础上,基于重心法使用FPGA实现了低信噪比红外光斑中心的实时检测。在实验电路中,先使用视频解码芯片SAA7113将模拟CCD视频信号转化为CCIR656格式数字信号;再在FPGA内部使用流水线结构进行直方图计算,计算阈值,二值化图像,五次二值图像收缩,五次二值图像膨胀处理以去除噪声,然后计算重心坐标。实验电路对红外自动验光仪中产生的视网膜反射红外光斑PAL制式视频图像信号能在1／25s完成一幅图像的检测。而普通PC完成同一过程需要1S左右。文章介绍了基于FPGA实现方案。     

激光光斑的图像处理及边缘检测的改进

为了更精准地检测激光光斑中心位置与半径,用Matlab对采集到的激光光斑图像进行仿真对比实验,根据每一步图像处理结果分析,选出最理想的方案进行图像后续处理。最后根据光斑边缘检测的效果,用LabVIEW做出曲线拟合与图像边界的认定,解决了圆拟合算法对二值化后的光斑图像边缘认定不准,半径计算不够精确等关键问题。实验结果表明改进后的中心定位法,切实可行,对激光发射机光斑半径及其他参数的检测提供了一种更为精确的手段。     

基于梯度卷积的激光光斑图像分割

为解决传统方法对存在背景噪声干扰的光斑图像分割效果不理想的问题,设计了一种基于梯度卷积的光斑图像分割算法。首先对光斑、背景、噪声的空间灰度分布特性进行分析。而后根据目标与干扰在空间灰度梯度分布特性的差别,构造适应目标尺度的梯度卷积模板,与光斑的梯度图进行卷积,从而在增强光斑特性的同时抑制了背景干扰及噪声。最后,在噪声抑制图像的基础上结合阈值分割和目标特性判别得到最终的分割结果。通过与传统光斑分割算法进行对比实验发现,该算法抗噪能力更强,有效解决了背景与噪声干扰下光斑目标的分割问题。