CN114399434B - 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 - Google Patents

一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 Download PDF

Info

Publication number
CN114399434B
CN114399434B CN202111551246.4A CN202111551246A CN114399434B CN 114399434 B CN114399434 B CN 114399434B CN 202111551246 A CN202111551246 A CN 202111551246A CN 114399434 B CN114399434 B CN 114399434B
Authority
CN
China
Prior art keywords
centroid
image
point
spot
center
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.)
Active
Application number
CN202111551246.4A
Other languages
English (en)
Other versions
CN114399434A (zh
Inventor
高瑞弘
崔钊
王义坤
钱星光
边伟
亓洪兴
贾建军
王建宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Institute of Advanced Studies of UCAS
Original Assignee
Hangzhou Institute of Advanced Studies of UCAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Institute of Advanced Studies of UCAS filed Critical Hangzhou Institute of Advanced Studies of UCAS
Priority to CN202111551246.4A priority Critical patent/CN114399434B/zh
Publication of CN114399434A publication Critical patent/CN114399434A/zh
Application granted granted Critical
Publication of CN114399434B publication Critical patent/CN114399434B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optical Communication System (AREA)

Abstract

本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法，根据远端卫星捕获的微弱激光光斑图像的特征，对作为质心计算参考的最强光强点和光斑图像截取区域依次进行优化设计，最后对优化后多次求解得到的质心取平均，有效减少光斑质心计算误差。本发明适用于空间超远距星间激光链路建立时接收光强极其微弱的应用场景，解决了传统质心算法在低信噪比情况下难以实现高精度定位的问题，满足了星间激光通信和空间引力波探测等空间应用领域在超远星间距上实现激光链路建立的应用需求。

Description

一种用于空间超远距星间激光链路建立的高精度光斑质心定 位算法及其识别方法
技术领域
本发明涉及光斑质心定位技术领域，特别涉及一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法。
背景技术
随着空间科学和技术的快速发展和推进，空间激光应用逐步向高精度应用领域拓展，尤其在星间激光通信和空间引力波探测等空间应用领域，为实现激光通信或者精密干涉测量，需要间距非常遥远两颗卫星发射的激光相互捕获，建立激光链路。为了实现激光链路的建立、保持、瞄准、跟踪，光学传感器必须要能够实时、精确地确定激光光斑图像的质心位置，以准确地计算出它与标准位置的偏差，然后通过控制器来校正这个偏差，使得光束正确地指向对方。可见，光斑图像的质心位置定位的精度直接决定了激光捕获精度。现有技术中，针对于不同的应用领域，各种高精度光斑质心定位算法层出不穷，比如高斯拟合定位法、传统质心算法等。
对大多数激光光斑来说，理想的光斑强度分布满足高斯分布，高斯拟合定位方法对于完美的高斯分布光斑具有非常高的定位精度，然而实时捕获相机的光强分布并满足高斯分布，因此，高斯拟合定位方法虽然精度较高，但存在计算量大、实时性差的缺点，无法满足激光链路的建立、保持、跟踪时实时、精确地确定激光光斑质心。
传统质心算法因其简单有效的特点被广泛应用于如：Hartmann-Shack(哈特曼-夏克)波前传感器、激光通信ATP***等各种领域。传统的质心算法具有运算速度快，光强分布不均对定位精度影响较小等优点，可以满足远场光束波前近似平顶的应用需求。但传统质心算法对噪声比较敏感，在微弱接收激光低信噪比的情况下难以实现0.1pixel的高精度定位，抗干扰能力太弱，无法满足空间超远距星间激光链路建立的应用需求。
但各算法在星间激光捕获阶段的具体表现，还需结合空间应用中实际工况进行分析。空间应用的实际工况为激光发射卫星出射的激光经过空间超远距传输后，光强衰减到nW甚至100pW量级，远场光束波前扩展为近似平面，远端卫星接收的激光为被望远镜截断的高斯平顶光束。现有技术中的这些算法应用在星间激光捕获阶段，在检测精度和抗干扰性上各自都存在着一定的不足。
另外，捕获CCD/CMOS相机的成像***决定探测器接收的实际光强分布接近但不完全符合夫琅禾费衍射分布，利用夫琅禾费衍射轮推导平行光入射变栅距光栅后衍射光强的角度分布，计算入射光斑质心是不精确的。
因此，提供一种适用于在星间光通信***中激光捕获阶段的光斑质心的定位方法，解决现有技术中对100pW量级弱接收光强下、光强分布特性非高斯的激光光斑质心检测精度和抗干扰性不足的问题，是本领域技术人员亟待解决的技术问题。
发明内容
本发明的第一个目的在于，针对现有技术中对星间光通信***中激光捕获阶段的光斑质心定位中检测精度不高和抗干扰性低的问题，提供了一种高精度测量、抗干扰性强的应用于空间超远距星间激光链路建立的高精度光斑质心定位算法。
为此，本发明的上述目的通过以下技术方案实现：一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法，其特征在于，包括如下步骤：
步骤S-1，获取带有光斑的图像数据，图像数据必须包含一个光斑，且仅有一个最亮的光斑，
步骤S-2：计算图像的灰度最大值坐标点，记为(Xmax,Ymax)，该点的光强灰度值为M，并以此点作为计算的质心参考点,
步骤S-3：计算图像灰度值为M/2的坐标点，记为(Xhalf,Yhalf),
步骤S-4：计算最强光强点(Xmax,Ymax)与M/2光强点坐标点(Xhalf,Yhalf)的距离，记为R,
步骤S-5：以光强最大值点(Xmax,Ymax)为中心点，选取边长为4R的正方形对光斑图像进行截取，采用传统灰度质心算法计算出截取的正方形图像的质心坐标，记为(Xmeasure,Ymeasure)，
步骤S-6：计算正方形图像的质心(Xmeasure,Ymeasure)和M/2光强点(Xhalf,Yhalf)的距离，记为R’，
步骤S-7：以正方形图像质心(Xmeasure,Ymeasure)为中心，做边长为4R’的新正方形，继续利用S-5中传统的灰度质心算法求解新正方形图像的质心为(Xcn,Ycn)，
步骤S-8：重复N次步骤S-1～S-7，记录每次S-7中的图像质心(Xc1,Yc1)、(Xc2,Yc2)、Xc3,Yc3)……(Xcn,Ycn)，其中，N为整数，且0＜N＜500，
步骤S-9：步骤S-8中记录质心(Xcn,Ycn)中n的次数等于N时，退出循环，自动进入步骤S-9，记录每次S-7中的图像质心(Xcn,Ycn)，求解S-8中记录的N次光斑质心(Xcn,Ycn)平均值，记为(Xcenter,Ycenter)，则均值(Xcenter,Ycenter)为所计算的图像质心；
其中，步骤S-5中，传统灰度质心算法采用如下公式计算，其中xij表示计算像素点的x坐标，yij表示计算像素点的y坐标，Iij表示计算像素点的光强值：
本发明的第二个目的在于，提供一种空间超远距星间激光链路建立的光斑质心识别方法。
为实现上述目的，本发明通过下述方案实现：
一种空间超远距星间激光链路建立的光斑质心识别方法，包括以下步骤：
步骤一，分割粗计算区域：识别整幅图像灰度值最大的点(Xmax,Ymax)作为初始计算区域中心，确定该点的灰度值，并将该灰度值记为M；检索灰度值最接近M/2的像素点(Xhalf,Yhalf)，并将(Xmax,Ymax)与(Xhalf,Yhalf)之间的距离记为R，计算区域的边长为4R，即粗计算区域为以(Xmax,Ymax)为中心，4R为边长的正方形区域；
步骤二，计算粗光斑中心位置：在步骤一分割出的计算区域内使用质心算法得到粗光斑中心位置(Xmeasure,Ymeasure)；
步骤三，获得精确光斑中心位置：由于计算区域的中心应为整数，选定离(Xmeasure,Ymeasure)最近的整数像素(Xm,Ym)为新的区域中心，计算(Xm,Ym)与(Xhalf,Yhalf)的距离为R’，再次分割出以(Xm,Ym)为中心，4R’为边长的新正方形区域，在新区域内再次使用质心算法，识别精确的光斑质心位置。
本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法，利用在算法中截取的两次计算区域，采用不同的参考点来进行质心计算，通过筛选出感兴趣的光斑点来过滤掉其他像素点的噪声影响，提升光斑质心定位中的抗干扰性；利用判断1/2最大光强点的位置来自动计算R的距离，实现本发明中可以随着光斑的大小改变截取的范围，计算得出的光斑质心位置更为精确；本发明通过N次截取图像计算平均值，减小了质心坐标的误差，其中N取值越大计算的坐标位置越准确，在空间超远距星间激光链路的光斑质心定位领域具有重要的实用价值和广泛的应用前景。
附图说明
图1是本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法的流程图；
图2是基于空间超远距星间激光链路建立的高精度光斑质心定位算法的实验装置图；
图3是基于空间超远距星间激光链路建立的高精度光斑质心定位算法的实验装置中相机采集到的图像；
附图中：激光器1；光强衰减***2；成像***3；捕获相机4。
具体实施方式
参照附图和具体实施例对本发明作进一步详细地描述。
实施例1
图1为一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法的流程图，如图1所示，本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法，在传统的质心定位算法上进行了进一步改进，采用改变参考点和多次计算等方法提高算法的精度，相比传统算法，更适合用于空间超远距星间激光链路建立时接收光强极其微弱应用场景中的光斑质心探测。
本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法，包括以下步骤：
步骤S-1：通过相机获取带有光斑的图像，图像必须包含一个光斑，且仅有一个最亮的光斑；
步骤S-2：将图像转化成灰度图像，计算灰度图像的灰度最大值坐标点，记为(Xmax,Ymax)，该点的光强灰度值为M，并以此点作为计算的质心参考点；
步骤S-3：计算图像灰度值为M/2的坐标点，记为(Xhalf,Yhalf)。
步骤S-4：计算最强光强点(Xmax,Ymax)与M/2光强点坐标点(Xhalf,Yhalf)的距离，记为R；
步骤S-5：以光强最大值点(Xmax,Ymax)为中心点，选取边长为4R的正方形对光斑图像进行截取，采用传统灰度质心算法计算出截取的正方形图像的质心坐标，记为(Xmeasure,Ymeasure)；
传统灰度质心算法公式如下，其中xij表示计算像素点的x坐标，yij表示计算像素点的y坐标，Iij表示计算像素点的光强值；
步骤S-6：计算正方形图像的质心(Xmeasure,Ymeasure)和M/2光强点(Xhalf,Yhalf)的距离，记为R’；
步骤S-7：以正方形图像质心(Xmeasure,Ymeasure)为中心，做边长为4R’的新正方形，继续利用S-5中传统的灰度质心算法求解新正方形图像的质心为(Xcn,Ycn),
步骤S-8：重复N次步骤S-1～S-7，记录每次S-7中的图像质心(Xc1,Yc1)、(Xc2,Yc2)、Xc3,Yc3)……(Xcn,Ycn)，当记录质心(Xcn,Ycn)中n的次数等于N时，退出循环，自动进入步骤S-9，N为整数，且0＜N＜500。本发明中，N根据实际情况进行调整，调整范围，若N过大则不会在精度上有明显提升。N调整情况需要根据相机帧频过低或者处理器性能较差时选用较低的N值，反之，则选择较高的N值。
步骤S-9：步骤S-8中记录质心(Xcn,Ycn)中n的次数等于N时，退出循环，自动进入步骤S-9，记录每次S-7中的图像质心(Xcn,Ycn)，求解S-8中记录的N次光斑质心(Xcn,Ycn)平均值，记为(Xcenter,Ycenter)，则均值(Xcenter,Ycenter)为所计算的图像质心。
本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法，其获取的图像必须是光斑类型的图像，图像的大小不限。如果一张图片中有多个光斑则需要先选取其中一个光斑进行计算。
本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法，在算法过程截取了两次计算区域，采用不同的参考点来进行质心计算，通过筛选出感兴趣的光斑点来过滤掉其他像素点的噪声影响，通过判断1/2最大光强点的位置，自动计算R的距离，因此可以随着光斑的大小改变截取的范围，通过灰度质心算法得到的图像光斑质心精度更高。本发明的算法，通过N次截取图像，分别计算各个图像光斑质心坐标，并通过计算各个光斑质心坐标的平均值，减小了质心坐标的误差，其中N取值越大计算的坐标位置越准确。
为了验证算法的准确性，本发明搭建了如图2所示的实验***。该***的实验目标是在输入光为100pW的情况下，计算光斑质心精度优于0.1pixel。实验***包含一台1064nm的Nd:YAG激光器1、光强衰减***2、成像***3和TEKWIN公司的SH640捕获相机4，其分辨率为640×512pixel，像元尺寸为15μm，光电转化效率(η)为0.7A/W@1064nm。激光器的输出功率为8mW，衰减***3由3片中密度衰减片组成，每片的最大衰减率为1000倍，因此可将光功率衰减至100pW以下，用以模拟空间超远距星间激光链路建立时接收光强极其微弱的场景。成像***可以降低激光抖动的影响同时可减小光敏面上的光斑尺寸。
图3(a)和图3(b)分别为输入光为100pW，通过有成像***和无成像***时相机采集到的图像。可以看出成像***一方面可以减小光斑尺寸，另一方面可提高光斑图像的对比度。图3(b)中所示的光斑大小为7pixel，通过本发明所述的实验装置图，获得图3(a)，采用本发明的用于空间超远距星间激光链路建立的高精度光斑质心定位算法对该光斑进行高精度光斑质心计算。
基于空间超远距星间激光链路建立的高精度光斑质心定位算法的实验装置，在实验过程所采用的光斑质心识别方法为：
步骤一，分割粗计算区域：首先寻找整幅图像灰度值最大的点(Xmax,Ymax)作为初始计算区域中心,该点的灰度值记为M。之后检索灰度值最接近M/2的像素点(Xhalf,Yhalf)，并将(Xmax,Ymax)与(Xhalf,Yhalf)之间的距离记为R。为保证分割出的区域包含几乎所有的光电子，令计算区域的边长为4R，即粗计算区域为以(Xmax,Ymax)为中心，4R为边长的正方形区域。
步骤二，计算粗光斑中心位置：在步骤一分割出的计算区域内使用质心算法得到粗光斑中心位置(Xmeasure,Ymeasure)。
步骤三，获得精确光斑中心位置：由于计算区域的中心应为整数，定义离(Xmeasure,Ymeasure)最近的整数像素(Xm,Ym)为新的区域中心。计算(Xm,Ym)与(Xhalf,Yhalf)的距离为R’，再次分割出以(Xm,Ym)为中心，4R’为边长的新正方形区域，在新区域内再次使用质心算法，得到精确的光斑中心位置。
从图3可知，由于空间距离非常远，光斑一方面能量很弱，另一方面尺寸非常小，仅有几个像素。如果对整张图片进行去噪处理则运算量很大，实时性很差。本发明的算法选定光斑位置来进行计算可以大大降低算法复杂度，降低引入计算的像素数可以减少位置波动误差。
以光斑直径7pixel，分割区域15pixel*15pixel，相机暗电流电子数标准差μ＝1.5×105e-，暗电流电子数期望σ＝4.5×103e-为例，使用本发明基于空间超远距星间激光链路建立的高精度光斑质心识别方法，在步骤一中，预先设定灰度值最大的像素点(Xmax，Ymax)作为初始计算区域中心，考虑到像元量化、噪声电子数涨落及衍射的影响，(Xmax，Ymax)与实际光斑中心位置有一定偏移。在成像***的作用下，光斑的强度分布近似为夫琅禾费衍射分布，即在(Xmax，Ymax)周围光强变化较快。另一方面，位于光斑中心附近的像素，即使在弱光情况下光电子数也远大于噪声电子数，因此光斑中心的实际位置将位于与(Xmax，Ymax)相邻的两个像素之间，即在步骤一中光斑实际中心位置与计算区域中心之间的偏差的最大值Δx0为2pixel。此时，对于100pW弱接收光强，通过理论分析得到固定位置偏差Δ≤0.164pixel，位置波动偏差中心定位精度可由/>估算，则在步骤二、三中xmeasure与光斑实际位置间偏差小于0.17pixel。由于计算区域中心为整数，因此在步骤三中Δx0的最大值减小为0.67pixel，此时Δ的最大值将会减小为0.055pixel，改进质心算法的定位精度可估计为/>
可见，使用本发明的基于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法，通过500幅图像测量结果的均方根值，可得光斑中心位置波动：
传统质心算法位置波动为：Δxrms，tr＝0.0437pixel
改进质心算法位置波动为：Δxrms，im＝0.0032pixel
由此可以看出改进质心算法的位置波动比传统质心算法位置波动小的多。通过噪声分析可知，测量的固定位置偏差最大值为：Δ100pW，max＝0.055pixel。
因此，可以计算出改进质心算法的最大误差为：
Δ100pW，max+Δxrms，im＝0.0582pixel
由上分析可知，改进质心算法的最大误差为0.0582pixel，获得的定位精度优于实验目标精度0.1pixel，证明提出的改进质心算法可在100pW弱接收光情况下满足本实验的要求。
本发明的一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法，相比于传统质心定位算法，更适合于空间超远距星间激光链路建立时接收光强极其微弱的应用场景，可以有效减少光斑质心计算误差，解决了传统质心算法在低信噪比情况下难以实现高精度定位的问题，满足了星间激光通信和空间引力波探测等空间应用领域在超远星间距上实现激光链路建立的应用需求。
上述具体实施方式用来解释说明本发明，仅为本发明的优选实施例，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改、等同替换、改进等，都落入本发明的保护范围。

Claims (2)

1.一种用于空间超远距星间激光链路建立的高精度光斑质心定位方法，其特征在于，包括如下步骤：
步骤S-1，获取带有光斑的图像数据，图像数据必须包含一个光斑，且仅有一个最亮的光斑，
步骤S-2：计算图像的灰度最大值坐标点，记为(Xmax，Ymax)，该点的光强灰度值为M，并以此点作为计算的质心参考点，
步骤S-3：计算图像灰度值为M/2的坐标点，记为(Xhalf，Yhalf)，
步骤S-4：计算最强光强点(Xmax，Ymax)与M/2光强点坐标点(Xhalf，Yhalf)的距离，记为R，
步骤S-5：以光强最大值点(Xmax，Ymax)为中心点，选取边长为4R的正方形对光斑图像进行截取，采用传统灰度质心算法计算出截取的正方形图像的质心坐标，记为(Xmeasure，Ymeasure)，
步骤S-6：计算正方形图像的质心(Xmeasure，Ymeasure)和M/2光强点(Xhalf，Yhalf)的距离，记为R’，
步骤S-7：以正方形图像质心(Xmeasure，Ymeasure)为中心，做边长为4R’的新正方形，继续利用S-5中传统的灰度质心算法求解新正方形图像的质心为(Xcn，Ycn)，
步骤S-8：选定离(Xmeasure，Ymeasure)最近的整数像素(Xn，Yn)为新的区域中心，重复N次步骤S-1～S-7，记录每次S-7中的图像质心(Xc1，Yc1)、(Xc2，Yc2)、Xc3，Yc3)……(Xcn，Ycn)，当记录质心(Xcn，Ycn)中n的次数等于N时，退出循环，自动进入步骤S-9，N为整数，且0＜N＜500，
步骤S-9：步骤S-8中记录质心(Xcn，Ycn)中n的次数等于N时，退出循环，自动进入步骤S-9，记录每次S-7中的图像质心(Xcn，Ycn)，求解S-8中记录的N次光斑质心(Xcn，Ycn)平均值，记为(Xcenter，Ycenter)，则均值(Xcenter，Ycenter)为所计算的图像质心；
其中，步骤S-5中，传统灰度质心算法采用如下公式计算，其中xij表示计算像素点的x坐标，yij表示计算像素点的y坐标，Iij表示计算像素点的光强值：
2.用于空间超远距星间激光链路建立的光斑质心识别方法，该方法采用权利要求1所述的用于空间超远距星间激光链路建立的高精度光斑质心定位方法，包括以下步骤：
步骤一，分割粗计算区域：识别整幅图像灰度值最大的点(Xmax，Ymax)作为初始计算区域中心，确定该点的灰度值，并将该灰度值记为M；检索灰度值最接近M/2的像素点(Xhalf，Yhalf)，并将(Xmax，Ymax)与(Xhalf，Yhalf)之间的距离记为R，计算区域的边长为4R，即粗计算区域为以(Xmax，Ymax)为中心，4R为边长的正方形区域；
步骤二，计算粗光斑中心位置：在步骤一分割出的计算区域内使用质心算法得到粗光斑中心位置(Xmeasure，Ymeasure)；
步骤三，获得精确光斑中心位置：由于计算区域的中心应为整数，选定离(Xmeasure，Ymeasure)最近的整数像素(Xn，Yn)为新的区域中心，计算(Xn，Yn)与(Xnhalf，Ynhalf)的距离为R’，再次分割出以(Xn，Yn为中心，4R’为边长的新正方形区域，在新区域内再次使用质心算法，识别精确的光斑质心位置。
CN202111551246.4A 2021-12-17 2021-12-17 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 Active CN114399434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111551246.4A CN114399434B (zh) 2021-12-17 2021-12-17 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111551246.4A CN114399434B (zh) 2021-12-17 2021-12-17 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法

Publications (2)

Publication Number Publication Date
CN114399434A CN114399434A (zh) 2022-04-26
CN114399434B true CN114399434B (zh) 2024-05-28

Family

ID=81226695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111551246.4A Active CN114399434B (zh) 2021-12-17 2021-12-17 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法

Country Status (1)

Country Link
CN (1) CN114399434B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115656978A (zh) * 2022-10-31 2023-01-31 哈尔滨工业大学 目标条纹图像中光斑位置的获得方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017045304A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 采用ccd光敏器件的成像光斑计算方法
CN111462225A (zh) * 2020-03-31 2020-07-28 电子科技大学 一种红外光斑图像的质心识别定位方法
CN112288802A (zh) * 2020-11-22 2021-01-29 上海市特种设备监督检验技术研究院 一种起重机轨道激光测量光斑中心定位方法
CN113421296A (zh) * 2021-08-24 2021-09-21 之江实验室 一种基于灰度阈值的激光光斑质心提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017045304A1 (zh) * 2015-09-15 2017-03-23 苏州中启维盛机器人科技有限公司 采用ccd光敏器件的成像光斑计算方法
CN111462225A (zh) * 2020-03-31 2020-07-28 电子科技大学 一种红外光斑图像的质心识别定位方法
CN112288802A (zh) * 2020-11-22 2021-01-29 上海市特种设备监督检验技术研究院 一种起重机轨道激光测量光斑中心定位方法
CN113421296A (zh) * 2021-08-24 2021-09-21 之江实验室 一种基于灰度阈值的激光光斑质心提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
自由空间卫星光通信跟踪光斑新方法;郭海超;张立;汪波;李小军;王佳;;空间电子技术;20150831(第04期);第11-14，34页 *

Also Published As

Publication number Publication date
CN114399434A (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
US11693099B2 (en) Method and apparatus for an adaptive ladar receiver
JP2019505814A (ja) 適応性のある光レイダー受信機
CN106371102A (zh) 基于自适应光学的逆合成孔径激光雷达信号接收***
CN104101297B (zh) 一种基于光电观测的空间物体尺度获取方法
CN103578088A (zh) 一种星空图像处理方法
CN114399434B (zh) 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法
CN115437030B (zh) 一种高色散光纤光谱仪导星闭环跟踪方法和***
CN110969656B (zh) 一种基于机载设备激光光束光斑大小的检测方法
US11554035B2 (en) Heliostat tracking based on circumsolar radiance maps
CN112489091B (zh) 一种基于直瞄模板的全捷联图像导引头目标跟踪方法
CN102967261A (zh) 一种基于数字散斑相关法的激光位移测量方法
CN114235149B (zh) 一种基于ccd反射成像法的激光测量***及其方法
CN101706951A (zh) 一种基于特征融合的气动光学图像质量客观评价方法、装置及***
CN106569206A (zh) 一种基于微波光学复合的目标探测方法
CN110849354A (zh) 一种星敏感器寿命末期条件下星点提取与补偿方法
CN108305290A (zh) 一种动目标的精确测谱方法
CN208998753U (zh) 一种激光同轴度检测装置
Kozak Semi-empirical method for the photometry of low-light meteors from observations with the isocon television systems
Ferriere et al. In-situ measurement of concentrated solar flux and distribution at the aperture of a central solar receiver
CN110749550B (zh) 一种基于深度学习的天文光谱仪像质补偿方法及***
CN112395741B (zh) 一种时空谱一体化光学遥感成像物象映射方法
CN116433577B (zh) 基于一维多尺度卷积特征提取的光斑检测与光束质量估算方法及装置
CN117111046B (zh) 畸变矫正方法、***、设备及计算机可读存储介质
CN114142943B (zh) 单光子测距跟瞄及少光子通信一体化接收装置及方法
CN117495933B (zh) 基于视差修正的光电望远镜外挂镜头图像实时配准方法

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
GR01 Patent grant
GR01 Patent grant