基于粒子群算法的激光位移传感器参量优化

为了提高激光三角测距精度、优化传感器设计过程中的光学参量,采用数学建模和计算机辅助分析的方法,解析了激光三角测距传感器中的关键参量与测量系统各指标的关系,并采用一种基于粒子群算法的参量优化方法,得到符合系统优化要求的光学参量,进行了理论分析和验证。结果表明,在进行参量设计时,各参量相互牵制;确定了粒子群搜索空间和约束;在灵敏度Smin达到2.2386mm时,系统分辨力可达到2.8μm,且其它各参量取值符合系统要求,同时优化效率大大提高。该优化方法算法简单、操作方便。

基于红外辐射偏振成像的目标三维重建方法

三维重建技术已在工业自动化领域得到了广泛的应用,但对于工业生产线中玻璃、锻造件等表面结构单一、高反光、无纹理的高温产品,利用传统的三维重建方法得到的三维重建结果往往不准确。这些高温物体会产生红外偏振自发辐射,提出了基于红外辐射偏振成像的目标三维重建方法。首先建立红外偏振辐射模型,分析目标表面红外辐射偏振态与目标表面法向量之间的关系,最后通过对法向量积分得到目标表面的三维形态。该方法不依赖于物体表面的纹理特征信息,对光照条件无要求且采集一次数据即可重构出目标表面的三维形态,易于实现,具有广阔的应用前景。

基于新型变步长爬山搜索法的光伏MPPT系统设计

针对光伏发电系统传统跟踪算法精度低、适应性差、振荡剧烈等问题,提出一种改进的变步长爬山算法。该算法采用了二分变步长与固定步长结合的新型爬山算法,实现了对光伏MPPT系统的控制。仿真结果表明,与传统爬山搜索法相比,改进算法的跟踪速度提高了1.57%,稳定时间减少了1.2%,输出效率提高了5.4%左右,同时还极大地减少了在最大功率点附近的振荡幅度,提高了系统的稳定性。

基于邻域像素注意力机制的光场深度估计方法

通过发掘深度信息与子孔径图像邻域像素间的高度相关性,提出了一种基于邻域像素注意力机制的光场深度估计方法。首先根据光场图像的数据特性提出了一种邻域像素注意力机制,该注意力机制考虑了不同子孔径图像在同一邻域间的极几何关系,能够增强网络对遮挡像素的感知能力。其次基于注意力机制设计了一个光场子孔径图像序列特征提取模块,该模块通过三维卷积将相邻序列图像上的特征编码到特征图上,并通过注意力机制增强网络对光场图像极几何特征的学习能力。最后联合邻域像素注意力机制和特征提取模块设计了一个多分支的全卷积神经网络,该网络使用部分光场子孔径图像序列即可估计图像的深度特征。实验结果表明,所提方法在均方误差(MSE)和平均坏像素率(BP)指标上总体表现优于其他先进方法,同时得益于高效注意力机制的加入,与其他先进方法相比所提方法运行速度最快。