CN113917484A - 一种单像素光子计数扩频压缩深度成像方法 - Google Patents
一种单像素光子计数扩频压缩深度成像方法 Download PDFInfo
- Publication number
- CN113917484A CN113917484A CN202111212977.6A CN202111212977A CN113917484A CN 113917484 A CN113917484 A CN 113917484A CN 202111212977 A CN202111212977 A CN 202111212977A CN 113917484 A CN113917484 A CN 113917484A
- Authority
- CN
- China
- Prior art keywords
- matrix
- light beam
- random
- photon
- random matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 56
- 230000006835 compression Effects 0.000 title claims abstract description 46
- 238000007906 compression Methods 0.000 title claims abstract description 46
- 238000001228 spectrum Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000010354 integration Effects 0.000 claims abstract description 9
- 230000010287 polarization Effects 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 11
- 150000001875 compounds Chemical class 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052782 aluminium Inorganic materials 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000008358 core component Substances 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 239000011435 rock Substances 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims 1
- 238000013500 data storage Methods 0.000 abstract description 4
- 210000004556 brain Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000007796 conventional method Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 229910001316 Ag alloy Inorganic materials 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J11/00—Measuring the characteristics of individual optical pulses or of optical pulse trains
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种单像素光子计数扩频压缩深度成像方法,包括以下步骤S1、基于可编程逻辑器件的伪随机码发生器发送伪随机码,用以驱动垂直表面激光器发射光束;S2、生成随机矩阵,通过电信号将生成的随机矩阵加载至数字光投影芯片;S3、垂直表面激光器发射的光束到达目标,接收***接收返回的光束;S4、在一定积分时间下,通过单光子探测器和光子时间到达记录仪,获取光子到达时间点数值;S5、通过最佳相关检测法获得测量向量;S6、通过稀疏规划反演方法,重建目标的深度图像。克服目前单像素成像的距离模糊问题,利用最佳相关检测法,提高单像素成像的接收信噪比,降低调制次数,以降低测量矩阵维度,减少数据存储冗余度,并提高成像效率。
Description
技术领域
本发明涉及激光成像技术领域,具体为一种单像素单光子计数扩频压缩深度成像方法。
背景技术
近年来,时间相关光子计数型扩频二维成像技术的研究已经广泛展开。
现有的技术基于最佳相关检测的方法,先将一路发射的伪随机码和接收伪随机光子到达时间点互相关,再提取互相关函数的峰值和幅度值,作为单个像素点的深度和强度信息。通过二维导轨或者振镜让单个像素点的光斑移动,逐个扫描得到二维平面的深度和强度信息。此种扫描成像技术需要外加电机,***的复杂度高;逐个扫描的方法耗费的时间长,成像效率低。
其二,时间相关光子计数单像素成像技术基于压缩感知理论,只需要获得单个像素的光子信息,即可反演得到一幅图像的深度和强度信息。如文献[XIALIN LIU, JIANHONGSHI, LEI SUN, YONGHAO LI,JIANPING FAN,AND GUIHUA ZEN, Photon-limited single-pixel imaging. Optics Express. 2020,28(6):8132-8136],[Tianyi Mao , QianChen1, Weiji He1, Huidong Dai, Ling Ye and Guohua Gu.Time-of-flight cameravia a single-pixel correlation image sensor.Journal of Optics.2018,20:1-8]。而此类现有的技术存在的问题是,在较低的信噪比下,往往需要通过增大随机矩阵的调制次数M,以恢复一幅高信噪比的深度图像,测量矩阵的维度过大无疑增大***的存储负担,也降低了***测量的效率。
因此,有必要给出新的成像方法,提高低信噪比环境下的成像效率和精度。
发明内容
本发明提供一种单像素单光子计数扩频压缩深度成像方法,克服目前单像素成像的距离模糊问题;利用最佳相关检测法,提高单像素成像的接收信噪比;降低调制次数,以降低测量矩阵维度,减少数据存储冗余度,并提高成像效率。
为达到上述目的,根据本发明的一个方面,本发明提供如下技术方案:
一种单像素光子计数扩频压缩深度成像方法,包括以下步骤:
S1、基于可编程逻辑器件的伪随机码发生器发送伪随机码,用以驱动垂直表面激光器发射光束;
S2、生成随机矩阵,通过电信号将生成的随机矩阵加载至数字光投影芯片;
S3、垂直表面激光器发射的光束到达目标,接收***接收返回的光束;
S4、在一定积分时间下,通过单光子探测器和光子时间到达记录仪,获取光子到达时间点数值;
S5、通过最佳相关检测法获得测量向量;
S6、通过稀疏规划反演方法,重建目标的深度图像。
本发明进一步设置为,所述步骤S1基于可编程逻辑器件的伪随机码发生器发送伪随机码,以驱动垂直表面激光器发射光束,具体为,将matlab生成的伪随机码.coe文件存入FPGA双口RAM,从中读出数据,通过ROCKET IO发送CML差分信号,以驱动垂直表面激光器VCSEL发射光脉冲,当伪随机码为1时VCSEL发光,伪随机码为0时VCSEL不发光,当检测到***处于空闲状态和发送状态时,地址变量加1。
本发明进一步设置为,所述步骤S2生成随机矩阵,将生成好的随机矩阵通过电信号控制数字光投影芯片,具体为,
S2.1生成高斯随机矩阵
S2.2 加载随机矩阵,控制数字光投影芯片
数字光投影芯片DLP的核心组件包含高反射铝制微镜阵列,即数字微镜器件DMD,一个DMD由若干个独立控制的微镜构成,DMD通过位于微镜阵列下的CMOS存储电路独立控制每个微镜的电极电压,使微镜处于开和关两种偏转状态,分别将入射光束以对角铰链为轴偏转+/-12°,+12°状态对应“开”像素,-12°状态对应“关”像素,将matlab生成的随机矩阵存入电脑,在垂直表面激光器发射光束的同时,电脑通过USB数据线,将随机矩阵加载至数字光投影芯片,从而控制微镜的翻转。
本发明进一步设置为,所述步骤S3垂直表面激光器发射的光束到达目标,接收***接收返回的光束,具体为,垂直表面激光器发射光束被扩束镜扩束后到达目标并且返回,返回的光束透过偏振片后被成像透镜接收,偏振片用于调整光束的偏振态,成像透镜将接收的光束从1端口投射进入偏振分束镜,光束从偏振分束镜2端口输出,并到达数字光投影芯片,被第i个随机矩阵调制后,再进入偏振分束镜3端口,从4端口输出,并依次通过聚焦透镜和窄带滤波片,最后光束被单光子探测器接收。
本发明进一步设置为,所述步骤S4在一定积分时间下,通过单光子探测器和光子时间到达记录仪,获取光子到达时间点数值,
本发明进一步设置为,所述步骤S5通过最佳相关检测法获得测量向量,具体为,
本发明进一步设置为,所述步骤S6通过稀疏规划反演方法,重建目标的深度图像,具体为,
S6.1信号的稀疏表示
S6.2测量矩阵的调制
与现有技术相比,本发明具有的有益之处是:1、克服目前单像素成像的距离模糊问题;2、利用最佳相关检测法,提高单像素成像的接收信噪比;3、降低调制次数,以降低测量矩阵维度,减少数据存储冗余度,并提高成像效率。
附图说明
图1为本发明一种单像素光子计数扩频压缩深度成像方法的装置原理图;
图2为本发明的伪随机序列发生流程图;
图3为本发明第一仿真比较实验结果图,其中,图(a)为大脑结构原图,图(b)为压缩比70%无噪声恢复的大脑结构,图(c)为压缩比70%加噪声恢复的大脑结构,图(d)为传统方法压缩比70%加噪声恢复的大脑结构,图(e)为压缩比50%无噪声恢复的大脑结构,图(f)为压缩比50%加噪声恢复的大脑结构,图(g)为传统方法压缩比50%加噪声恢复的大脑结构,
图4为本发明第二仿真比较实验结果图,其中,图(h)为压缩比30%无噪声恢复的大脑结构,图(i)为压缩比30%加噪声恢复的大脑结构,图(j)为传统方法压缩比30%加噪声恢复的大脑结构,图(k)为压缩比20%无噪声恢复的大脑结构,图(l)为压缩比20%加噪声恢复的大脑结构,图(m)为传统方法压缩比20%加噪声恢复的大脑结构;
图5为本发明信噪比提升方法仿真实验图,其中,图(a)为飞机目标原图,图(b)为伪随机码码长512恢复的飞机目标 ,图(c)为伪随机码码长2048恢复的飞机目标,图(d)为伪随机码码长8192恢复的飞机目标,图(e)为伪随机码码长32768恢复的飞机目标。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
本发明提供了一种单像素光子计数扩频压缩深度成像方法,克服目前单像素成像的距离模糊问题;利用最佳相关检测法,提高单像素成像的接收信噪比;降低调制次数,以降低测量矩阵维度,减少数据存储冗余度,并提高成像效率。
本发明基于单像素光子计数扩频压缩深度成像装置进行,如图1所示,所述单像素光子计数扩频压缩深度成像装置包括电脑、伪随机码发生器、垂直表面激光器、扩束镜、偏振片、成像透镜、偏振分束镜、数字光投影芯片、聚焦透镜、窄带滤波片、单光子探测器和光子到达时间记录仪;
所述电脑通过信号线连接伪随机码发生器、数字光投影芯片和光子到达时间记录仪,所述伪随机码发生器的输出端与垂直表面激光器输入端和光子到达时间记录仪输入端连接;
所述垂直表面激光器产生光束并通过多模光纤传递给扩束镜;
所述扩束镜接收多模光纤传递的光束并投射至目标;
所述偏振片接收从扩束镜发出并被目标反射的光束,并将光束投射给成像透镜;
所述成像透镜接收偏振片的光束,并将光束投射给偏振分束镜;
所述偏振分束镜包括1端口、2端口、3端口和4端口,所述1端口接收成像透镜的光束,并通过2端口将该光束投射给所述数字光投影芯片,所述数字光投影芯片接收偏振分束镜的光束,对光束进行调制,并将调制后的光束投影至偏振分束镜的3端口,偏振分束镜3端口接收数字光投影芯片调制的后的光束,并将该光束从4端口投射给聚焦透镜;
所述聚焦透镜接收偏振分束镜的光束,并将光束投射给窄带滤波片;
所述窄带滤波片接收聚焦透镜的光束,并将光束投射给单光子探测器;
所述单光子探测器与光子到达时间记录仪电性连接,其接收窄带滤波片的光束并生成高电平信号,光子到达时间记录仪接收高电平信号,并生成时间数据。
本发明,一种单像素光子计数扩频压缩深度成像方法,包括以下步骤:
S1、基于可编程逻辑器件的伪随机码发生器发送伪随机码,用以驱动垂直表面激光器发射光束;
具体为,将matlab生成的伪随机码.coe文件存入FPGA双口RAM,从中读出数据,通过ROCKET IO发送CML差分信号,以驱动垂直表面激光器VCSEL发射光脉冲,ROCKET IO是Xilinx系列FPGA的GTX IP核,采用该IP核与SFP光模块相连接,用于高速信息的发送和接收,当伪随机码为1时VCSEL发光,伪随机码为0时VCSEL不发光,当检测到***处于空闲状态和发送状态时,地址变量加1。由于评估版上电到数据发送有一定的时间,上电后再发送RAM数据,设计由三个状态(空闲状态、发送状态、复位状态)构成可自启动的状态机,保证在发送数据的同时,光子到达时间记录仪开始计时,伪随机序列发生流程如图2所示。
S2、生成随机矩阵,通过电信号将生成的随机矩阵加载至数字光投影芯片;
具体为,
S2.1生成高斯随机矩阵
S2.2 加载随机矩阵,控制数字光投影芯片
数字光投影芯片DLP的核心组件包含高反射铝微镜阵列,即数字微镜器件DMD,一个DMD由若干个独立控制的微镜构成,通过DMD控制器为每个基本存储单元加载 “1”或“0”,导致每个微镜静电偏离大约一个铰链,从而分别达到相应的 +/-12° 状态,+12°状态对应“开”像素,-12°状态对应“关”像素,由matlab生成的随机矩阵存入电脑中,在垂直表面激光器发射光束的同时,电脑通过USB数据线,将随机矩阵加载至数字光投影芯片,从而控制微镜的翻转。
S3、垂直表面激光器发射的光束到达目标,接收***接收返回的光束;
具体为,垂直表面激光器发射光束被扩束镜扩束后到达目标并且返回,返回的光束透过偏振片后被成像透镜接收,偏振片用于调整光束的偏振态,成像透镜将接收的光束从1端口投射进入偏振分束镜,光束从偏振分束镜2端口输出,并到达数字光投影芯片,被第i个随机矩阵调制后,再进入偏振分束镜3端口,从4端口输出,并依次通过聚焦透镜和窄带滤波片,最后光束被单光子探测器接收。
S4、在一定积分时间下,通过单光子探测器和光子时间到达记录仪,获取光子到达时间点数值;
S5、通过最佳相关检测法获得测量向量;
S6、通过稀疏规划反演方法,重建目标的深度图像,具体为,
S6.1信号的稀疏表示
S6.2测量矩阵的调制
S6.3利用凸优化算法和CVX凸优化工具包,将转换为凸优化问题,通过全变分正则化的方法寻找基于L范数最小的优化模型,在满足收敛性和稳定性的条件下,采用MATLAB2015以上软件求解,恢复单像素光子计数扩频压缩深度图像;
S6.3.2 将6.3.1的优化问题转化为拉格朗日方程的最小化问题,
S6.3.3 令
计算
仿真实验:
本实验采用MATLAB仿真实现,伪随机码码长为4096,伪随机码中1的比例为10%,模拟的大脑结构目标图像为图3(a)所示,图3(b)为压缩比70%无噪声下本方法恢复的图像,图3(c)为压缩比70%加噪声本方法恢复的图像,图3(d)为压缩比70%加噪声传统方法图像,图3(e)为压缩比50%无噪声下本方法恢复的图像,图3(f)为压缩比50%加噪声本方法恢复的图像,图3(g)为压缩比50%加噪声传统方法图像,图4(h)为压缩比30%无噪声下本方法恢复的图像,图4(i)为压缩比30%加噪声本方法恢复的图像,图4(j)为压缩比30%加噪声传统方法图像,图4(k)为压缩比20%无噪声下本方法恢复的图像,图4(l)为压缩比20%加噪声本方法恢复的图像,图4(m)为压缩比20%加噪声传统方法图像。相同压缩比,信号光子数为10,噪声光子数为9的低信噪比环境下,传统方法无法恢复图像,图像信噪比低于本专利提出的成像方法。
伪随机码中1的比例为10%,压缩比为70%,模拟的飞机目标图像为图5(a)所示,信号光子数为10,噪声光子数为9的低信噪比环境下,图5(b)为伪随机码码长为512本方法恢复的飞机图像,图5(c)为伪随机码码长为2048本方法恢复的飞机图像,图5(d)为伪随机码码长为8192本方法恢复的飞机图像,图5(e)为伪随机码码长为32768本方法恢复的飞机图像,码长越高,图像越清晰。意味着本方法不需要增大随机矩阵的调制次数,通过增大码长,即可降低噪声对图像的影响,高效率得到高信噪比的成像结果,优于其他传统单像素压缩感知方法。
以上描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种单像素光子计数扩频压缩深度成像方法,其特征在于,包括以下步骤:
S1、基于可编程逻辑器件的伪随机码发生器发送伪随机码,用以驱动垂直表面激光器发射光束;
S2、生成随机矩阵,通过电信号将生成的随机矩阵加载至数字光投影芯片;
S3、垂直表面激光器发射的光束到达目标,接收***接收目标反射的光束;
S4、在一定积分时间下,通过单光子探测器和光子时间到达记录仪,获取光子到达时间点数值;
S5、通过最佳相关检测法获得测量向量;
S6、通过稀疏规划反演方法,重建目标的深度图像。
2.根据权利要求1所述的一种单像素光子计数扩频压缩深度成像方法,其特征在于:所述步骤S1基于可编程逻辑器件的伪随机码发生器发送伪随机码,以驱动垂直表面激光器发射光束,具体为,将matlab生成的伪随机码.coe文件存入FPGA双口RAM,从中读出数据,通过ROCKET IO发送CML差分信号,驱动垂直表面激光器VCSEL发射光脉冲,当伪随机码为1时VCSEL发光,伪随机码为0时VCSEL不发光,当检测到***处于空闲状态和发送状态时,地址变量加1。
3.根据权利要求1所述的一种单像素光子计数扩频压缩深度成像方法,其特征在于:所述步骤S2生成随机矩阵,通过电信号将生成的随机矩阵加载至数字光投影芯片,具体为,
S2.1生成高斯随机矩阵
S2.2 加载随机矩阵,控制数字光投影芯片
4.根据权利要求3所述的一种单像素光子计数扩频压缩深度成像方法,其特征在于:所述步骤S3垂直表面激光器发射的光束到达目标,接收***接收返回的光束,具体为,垂直表面激光器发射光束被扩束镜扩束后到达目标并且返回,返回的光束透过偏振片后被成像透镜接收,偏振片用于调整光束的偏振态,成像透镜将接收的光束从1端口投射进入偏振分束镜,光束从偏振分束镜2端口输出,并到达数字光投影芯片,被第i个随机矩阵调制后,再进入偏振分束镜3端口,从4端口输出,并依次通过聚焦透镜和窄带滤波片,最后光束被单光子探测器接收。
7.根据权利要求6所述的一种单像素光子计数扩频压缩深度成像方法,其特征在于:所述步骤S6通过稀疏规划反演方法,重建目标的深度图像,具体为,
S6.1信号的稀疏表示
S6.2测量矩阵的调制
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212977.6A CN113917484A (zh) | 2021-10-15 | 2021-10-15 | 一种单像素光子计数扩频压缩深度成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212977.6A CN113917484A (zh) | 2021-10-15 | 2021-10-15 | 一种单像素光子计数扩频压缩深度成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113917484A true CN113917484A (zh) | 2022-01-11 |
Family
ID=79240963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212977.6A Withdrawn CN113917484A (zh) | 2021-10-15 | 2021-10-15 | 一种单像素光子计数扩频压缩深度成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113917484A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818598A (zh) * | 2022-04-24 | 2022-07-29 | 浙江大学 | 一种基于电路翻转行为的vcd矢量压缩方法及装置 |
CN116559841A (zh) * | 2023-07-07 | 2023-08-08 | 苏州识光芯科技术有限公司 | 光子计数方法、装置、芯片及设备 |
CN116609794A (zh) * | 2023-07-21 | 2023-08-18 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
-
2021
- 2021-10-15 CN CN202111212977.6A patent/CN113917484A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818598A (zh) * | 2022-04-24 | 2022-07-29 | 浙江大学 | 一种基于电路翻转行为的vcd矢量压缩方法及装置 |
CN116559841A (zh) * | 2023-07-07 | 2023-08-08 | 苏州识光芯科技术有限公司 | 光子计数方法、装置、芯片及设备 |
CN116559841B (zh) * | 2023-07-07 | 2023-10-27 | 苏州识光芯科技术有限公司 | 光子计数方法、装置、芯片及设备 |
CN116609794A (zh) * | 2023-07-21 | 2023-08-18 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
CN116609794B (zh) * | 2023-07-21 | 2023-09-26 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113917484A (zh) | 一种单像素光子计数扩频压缩深度成像方法 | |
CN110646810B (zh) | 一种散斑优化压缩感知鬼成像方法及*** | |
JP2019503036A (ja) | 時間的圧縮感知システム | |
Colaço et al. | Compressive depth map acquisition using a single photon-counting detector: Parametric signal processing meets sparsity | |
US11727294B2 (en) | Method and system for quantum information processing and computation | |
US8587686B1 (en) | Hybrid differential optical sensing imager | |
CN103308189B (zh) | 一种基于双压缩符合测量的纠缠成像***及方法 | |
Osorio Quero et al. | Single-pixel imaging: An overview of different methods to be used for 3D space reconstruction in harsh environments | |
CN112465137B (zh) | 一种基于光子神经网络的涡旋光束模态识别***及方法 | |
CN104267407A (zh) | 基于压缩采样的主动成像方法和*** | |
CN105676613A (zh) | 一种采用单像素桶探测器的数字全息幻影成像***及其工作方法 | |
Rego et al. | Robust lensless image reconstruction via psf estimation | |
Gutierrez-Barragan et al. | Practical coding function design for time-of-flight imaging | |
CN114095718B (zh) | 单像素成像***及方法 | |
CN109343238A (zh) | 一种基于电光晶体偏转的压缩超高速摄影装置 | |
Chen et al. | Active mode single pixel imaging in the highly turbid water environment using compressive sensing | |
WO2013025691A2 (en) | System and method for diffuse imaging with time-varying illumination intensity | |
Zhang et al. | First arrival differential lidar | |
CN108007385B (zh) | 一种大视场弹坑表面形貌成像***及方法 | |
EP4006690A1 (en) | Optical computing chip, system and data processing technology | |
Cwalina et al. | Fiber-based frequency modulated lidar with mems scanning capability for long-range sensing in automotive applications | |
Kuusela | Single-pixel camera | |
CN113163082B (zh) | 基于散射介质和空间光调制器共同调制的单像素成像*** | |
Kar et al. | Learning based regularization for spatial multiplexing cameras | |
US20220413106A1 (en) | Virtual array method for 3d robotic vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220111 |
|
WW01 | Invention patent application withdrawn after publication |