【摘 要】
：
提出了一种利用正弦幅值时间转换的高精度脉冲激光测距方法,该方法以正弦信号作为时间基准,采用倍频和时钟分相技术,通过调节脉冲发射延时,控制回波脉冲定时点落在基准正弦波
【机 构】
：
北京石油化工学院光机电装备技术北京市重点实验室
论文部分内容阅读
提出了一种利用正弦幅值时间转换的高精度脉冲激光测距方法,该方法以正弦信号作为时间基准,采用倍频和时钟分相技术,通过调节脉冲发射延时,控制回波脉冲定时点落在基准正弦波的0~∏/4区间,然后对这一区间进行分段线性插值处理,将正弦幅值的变化转换为定时时间,实现高精度测距。该方法原理结构简单、容易实现。实验结果表明:在激光发射平均功率为1 mW时,在无合作目标测程300 m内,测距精度为±(5 mm+3 ppm)。
其他文献
目标检测与跟踪是机载光电设备至关重要的功能模块,其检测跟踪的性能直接关系到目标感知的精度。近年来基于Siamese网络的改进跟踪算法在各种挑战性的数据集上取得了优异的效果,但大多数改进算法采用局部搜索策略,无法更新模板,且模板会引入背景干扰,最终因跟踪点漂移导致跟踪失败。为了解决这些问题,本文提出了一种结合目标边缘检测的改进全连接Siamese跟踪算法,该算法利用目标的轮廓模板代替边界框模板,减少
基于激光测距和红外目标探测需求,设计了激光/红外共孔径无热化紧凑型光学系统。系统参数设计如下:工作波段为1.064mm激光和7.7~9.3mm长波红外,入瞳直径均为120 mm;激光焦距
针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图
由于滑动导向机构与镜筒之间为间隙配合,在运动过程中会导致镜片发生不同程度偏移与偏转,因此基于柔体运动学分析理论,对不同运动姿态、不同长径比的滑动导向机构以及导向钉
非下采样剪切波变换(NSST)域中低频子带的融合需要人工给定融合模式,因此未能充分捕获源图像的空间连续性和轮廓细节信息。针对上述问题,提出了基于深度卷积神经网络的红外与可见光图像融合算法。首先,使用孪生双通道卷积神经网络学习NSST域低频子带的特征来输出衡量子带空间细节信息的特征图。然后,根据高斯滤波处理的特征图设计了基于局部相似性的测量函数来自适应地调整NSST域低频子带的融合模式。最后,根据N