阅读说明：本技术 微结构透镜阵列和基于微结构透镜阵列的空间定位方法 (Micro-structural lens array and space positioning method based on micro-structural lens array ) 是由 陈树琪 刘文玮 玛地娜 程化 田建国 于 2020-07-14 设计创作，主要内容包括：本发明提供了一种微结构透镜阵列和基于微结构透镜阵列的空间定位方法,微结构透镜阵列包括至少两个微结构透镜,微结构透镜包括多个棱柱元胞,棱柱元胞包括二氧化硅衬底和放在二氧化硅衬底上面的氧化钛棱柱,包括：多个棱柱元胞之间呈周期性排布。本发明缓解了现有技术中存在的透镜体积大、定位精度较低的技术问题。(The invention provides a micro-structure lens array and a space positioning method based on the micro-structure lens array, wherein the micro-structure lens array comprises at least two micro-structure lenses, each micro-structure lens comprises a plurality of prismatic cells, each prismatic cell comprises a silicon dioxide substrate and a titanium oxide prism, and the titanium oxide prism is placed on the silicon dioxide substrate, and the micro-structure lens array comprises: the prismatic cells are arranged periodically. The invention solves the technical problems of large lens volume and low positioning precision in the prior art.)

微结构透镜阵列和基于微结构透镜阵列的空间定位方法

技术领域

本发明涉及光学技术领域，尤其是涉及一种微结构透镜阵列和基于微结构透镜阵列的空间定位方法。

背景技术

现有技术中采用的常规透镜阵列进行定位，存在如下缺点：一、常规透镜体积较大，不利于定位系统的微型化；二、常规透镜阵列定位的精度较低。

发明内容

有鉴于此，本发明的目的在于提供一种微结构透镜阵列和基于微结构透镜阵列的空间定位方法，以缓解了现有技术中存在的透镜体积大、定位精度较低的技术问题。

第一方面，本发明实施例提供了一种微结构透镜阵列，所述微结构透镜阵列包括至少两个微结构透镜，所述微结构透镜包括多个棱柱元胞，所述棱柱元胞包括二氧化硅衬底和放在所述二氧化硅衬底上面的氧化钛棱柱，包括：所述多个棱柱元胞之间呈周期性排布。

进一步地，所述氧化钛棱柱为氧化钛八棱柱。

进一步地，所述二氧化硅衬底为正六边形结构。

进一步地，所述周期性排布包括：六边形密堆积排布。

进一步地，所述至少两个微结构透镜之间呈密接排布。

第二方面，本发明实施例还提供了一种基于微结构透镜阵列的空间定位方法，应用于上述第一方面所述的微结构透镜阵列，包括：获取被观测目标通过所述微结构透镜阵列成的目标图像；所述目标图像包括多个所述被观测目标的像，一个微结构透镜对应一个被观测目标的像；利用遗传算法对所述目标图像进行校正，得到校正之后的目标图像；其中，所述遗传算法的待优化变量包括：所述目标图像在水平方向的缩放量、水平方向的平移量、垂直方向的缩放量、垂直方向的平移量，所述目标图像的畸变校正因子；基于所述校正之后的目标图像，确定所述被观测目标的像的大小和每两个被观测目标的像之间的目标距离；基于所述被观测目标的像的大小、所述目标距离和所述微结构透镜的周期距离，确定所述被观测目标的空间位置。

进一步地，利用遗传算法对所述目标图像进行校正，得到校正之后的目标图像，包括：基于所述目标图像，确定所述待优化变量；利用遗传算法对所述待优化变量进行优化，得到优化之后的变量；其中，所述遗传算法的适应函数为所述目标图像中每两个被观测目标的像之间的差函数；基于所述优化之后的变量对所述目标图像进行校正，得到校正之后的目标图像。

进一步地，基于所述校正之后的目标图像，确定所述被观测目标的像的大小和每两个被观测目标的像之间的目标距离，包括：利用预设特征检测算法，获取所述校正之后的目标图像中每个被观测目标的像的特征点；测量每两个被观测目标的像的特征点之间的距离，得到目标距离；获得所述校正之后的目标图像中，所述被观测目标的像的大小。

进一步地，基于所述目标距离和所述微结构透镜的周期距离，确定所述被观测目标的空间位置，包括：通过如下算式，确定所述被观测目标在垂直于水平方向的坐标：S_⊥＝fD/(D-d)；S_⊥表示所述被观测目标在垂直于观测平面方向的第一坐标，f表示所述微结构透镜的焦距，D表示所述目标距离，d表示所述微结构透镜的周期距离；通过如下算式，确定所述被观测目标的大小：δ＝Δ(D-d)/d；δ表示所述被观测目标的大小，△表示所述被观测目标的像的大小；基于所述被观测目标的大小，确定所述被观测目标在所述观测平面上的第二坐标；基于所述第一坐标和所述第二坐标，确定所述被观测目标的空间位置。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第二方面所述的方法的步骤。

本发明提供了一种微结构透镜阵列和基于微结构透镜阵列的空间定位方法，微结构透镜阵列包括至少两个微结构透镜，微结构透镜包括多个棱柱元胞，棱柱元胞包括二氧化硅衬底和放在二氧化硅衬底上面的氧化钛棱柱，多个棱柱元胞之间呈周期性排布。本发明提供的周期性排布的微结构透镜阵列，透镜阵列为亚毫米两级，且为单层结构，可以在保证工作效率的基础上提高定位精度，缓解了现有技术中存在的透镜体积大、定位精度较低的技术问题。

附图说明

为了更清楚地说明本发明

具体实施方式

或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种微结构透镜阵列的示意图；

图2为本发明实施例提供的一种基于微结构透镜阵列的空间定位方法的流程图；

图3为本发明实施例提供的一种对小虫子成像的示意图；

图4为本发明实施例提供的一种对被观测目标进行空间定位的示意图；

图5为本发明实施例提供的方法对被观测目标进行空间定位的定位数据示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

本发明实施例提供了一种微结构透镜阵列，微结构透镜阵列包括至少两个微结构透镜，微结构透镜包括多个棱柱元胞，棱柱元胞包括二氧化硅衬底和放在二氧化硅衬底上面的氧化钛棱柱，包括：多个棱柱元胞之间呈周期性排布。

可选地，图1是根据本发明实施例提供的一种微结构透镜阵列的结构示意图，其中，图1中的a图为微结构透镜阵列的棱柱元胞的结构示意图。如图1的a图所示，氧化钛棱柱为氧化钛八棱柱，二氧化硅衬底为正六边形结构。

具体地，如图1的a图所示，氧化钛棱柱是在四棱柱(长L＝260nm，宽W＝90nm，高为550nm)的基础上对四条z方向的棱进行切除(切除长度为a＝40nm)得到，棱柱元胞的工作波长为532nm。二氧化硅衬底的宽为P＝330nm。氧化钛棱柱绕z轴旋转角θ与透射光相位有关：φ＝2θ，φ为透射光相位；因此通过逐点改变结构的旋转角，可以在亚波长尺度逐点任意调控波前。

可选地，周期性排布包括：六边形密堆积排布。具体地，如图1的c图和d图所示，多个棱柱元胞之间呈六边形密堆积排布。可选地，由于六边形密堆积的排布方式，得到的微结构透镜为内切圆直径d＝189.75μm的六边形。

可选地，至少两个微结构透镜之间呈密接排布。

优选地，如图1的b图所示，本发明实施例提供的微结构透镜阵列包括3个微结构透镜，三个微结构透镜进行密接排布。需要说明的是，本发明实施例提供的微结构透镜阵列中所包含的微结构透镜的个数可以是任意多个，不做具体限定。

由以上描述可知，本发明提供了一种微结构透镜阵列，微结构透镜阵列包括至少两个微结构透镜，微结构透镜包括多个棱柱元胞，棱柱元胞包括二氧化硅衬底和放在二氧化硅衬底上面的氧化钛棱柱，多个棱柱元胞之间呈周期性排布。本发明提供的周期性排布的微结构透镜阵列，透镜阵列为亚毫米量级，且为单层结构，可以在保证工作效率的基础上提高定位精度，缓解了现有技术中存在的透镜体积大、定位精度较低的技术问题。

实施例二：

图2是根据本发明实施例提供的一种基于微结构透镜阵列的空间定位方法的流程图，该方法应用于上述实施例一中的微结构透镜阵列。如图2所示，该方法具体包括如下步骤：

步骤S202，获取被观测目标通过微结构透镜阵列成的目标图像；目标图像包括多个被观测目标的像，一个微结构透镜对应一个被观测目标的像。例如，若微结构透镜阵列包括三个微结构透镜，则目标图像包括三个被观测目标的像。

步骤S204，利用遗传算法对目标图像进行校正，得到校正之后的目标图像；其中，遗传算法的待优化变量包括：目标图像在水平方向的缩放量、水平方向的平移量、垂直方向的缩放量、垂直方向的平移量，目标图像的畸变校正因子。

步骤S206，基于校正之后的目标图像，确定被观测目标的像的大小和每两个被观测目标的像之间的目标距离。

可选地，利用预设特征检测算法，获取校正之后的目标图像中每个被观测目标的像的特征点；测量每两个被观测目标的像的特征点之间的距离，得到目标距离；获取校正之后的目标图像中，被观测目标的像的大小。例如，预设特征检测算法可以是ORB(OrientedFAST and Rotated BRIEF)特征检测算法。

步骤S208，基于被观测目标的像的大小、目标距离和微结构透镜的周期距离，确定被观测目标的空间位置。

本发明实施例提供的一种基于微结构透镜阵列的空间定位方法，采用了基于遗传算法的图像恢复操作，对于目标图像的完整性以及像差等缺陷进行了校正，并在校正之后的目标图像的基础上，结合微结构透镜的周期距离完成了被观测目标的高精度空间定位，缓解了现有技术中存在的定位精度低的技术问题。

可选地，步骤S204还包括如下步骤：

步骤S2041，基于目标图像，确定待优化变量。可选地，待优化变量可以包括：目标图像在水平方向的缩放量、水平方向的平移量、垂直方向的缩放量、垂直方向的平移量，目标图像的第一畸变校正因子，目标图像的第二畸变校正因子和与畸变校正因子相关的常数因子。

步骤S2042，利用遗传算法对待优化变量进行优化，得到优化之后的变量；其中，遗传算法的适应函数为目标图像中每两个被观测目标的像之间的差函数。具体地，遗传算法中的初始种群为包含上述待优化变量的个体，然后通过对初始种群中的个体进行交叉配对和变异操作，对待优化变量进行优化。

步骤S2043，基于优化之后的变量对目标图像进行校正，得到校正之后的目标图像。

下面距离说明，本发明实施例中利用遗传算法对待优化变量进行优化的过程。

一、首先，基于目标图像，确定7个待优化变量为(s_x，s_y，t_x，t_y，a₁，a₂，c)，分别表示：目标图像x方向缩放量、y方向缩放量、x方向平移量、y方向平移量、第一畸变校正因子a₁、第二畸变校正因子a₂,因子c(若c>0.5表示k₁,k₂同正，否则同负，k₁,k₂与畸变有关)，其中：

由上可知，图像的畸变因子与图像像素的空间位置改变△x、△y有关，即目标图像的第一畸变校正因子和第二畸变校正因子可用来校正目标图像的畸变。以上7个变量即进行策略优化的变量。

二、遗传算法的进化策略(revolution strategy)：

首先设定初始种群(initial population)：首先产生初始的种群，例如初始种群数为100，每个个体包含7个上述待优化变量，同时包含7个变异因子(mutationparameters)；

对初始种群进行交叉配对(crossover)：从种群中选择任意的两个个体，对两个个体包含的7个变量和7个变异强度进行随机的交叉。以这种方式产生子代(childgeneration)，例如，子代的个数为20；

对种群进行变异(mutation)：子代的个体根据变异强度进行变异(原实数+变异强度×满足标准正太分布的随机实数)；

然后计算包含初始种群和初始种群的子代的120个个体的种群的适应性函数(fitness function)。并从中选择适应性最好的100个个体，作为下一次进化的初始种群。

最后循环上述步骤，直到适应性函数趋于稳定，停止循环。

三、遗传算法中的适应性函数定义：

(A)为了让灰度信息对于配对图片的影响最小，利用cv2.adaptiveThreshold函数对目标图像进行二值化处理，得到二值化处理之后的目标图像，然后再对目标图像进行消畸变处理，此过程需要将k₁,k₂,c变量为待优化变量。下面以图3所示的对小虫子所成的目标图像为例，说明适应性函数的定义过程，需要说明的是，对图3中的小虫子成像时所用的微结构透镜阵列中的微结构透镜的数量为3个，其中，图3中的a部分两张图为小虫子成像的放大图，b部分两张图为成像的原始图像。

(B)如图3所示，将成像图分为三个部分，每部分包含完整的子图(即被观测目标的像)，从上到下，从左到右，分别表示为partⅠ,partⅡ,partⅢ。需要说明的是，由于后续考虑的情况都是从partⅢ(P₃)到partⅠ(P₁)和partⅡ(P₂)的变换，所以partⅢ的横向和纵向尺度都要小于partⅠ和partⅡ。

(C)对partⅢ进行缩放。图上点P₃(x，y)缩放后坐标为P’₃(x’，y’)。其中，上述缩放过程利用到了种群中的两个缩放系数的变量，缩放后坐标之间的对应关系为：

(D)计算P’₃与P₁之间的平移矩阵。P’₃为m’₃×n’₃的矩阵，P₁为m₁×n₁的矩阵。首先对P’₃进行零填充，使得填充后矩阵的尺寸与P₁一致，填充后的矩阵记作P_pad：

(E)填充后坐标为x_p，y_p，平移后的坐标为x”,y”。其中M矩阵中包含的两个平移变量由种群中的两个平移变量表示:

最后适应性函数为：

(F)计算partⅢ到partⅡ的方法与上同,但是loss(适应性函数)不同。P₂为m₂×n₂的矩阵。

四、最终图像生成：

将partⅠ,partⅡ,partⅢ按平移的逆过程进行重组，得到了经过处理的最终图像(如图3右列)。利用ORB(Oriented FAST and Rotated BRIEF)的特征检测方法分别得到子图的特征点(如图3右列圆点、方点、三角点)，进而可以测量各特征点的距离用于实现定位。

可选地，步骤S208还包括如下步骤：

步骤S2081，通过如下算式，确定被观测目标在垂直于水平方向的坐标：S_⊥＝fD/(D-d)；S_⊥表示被观测目标在垂直于观测平面方向(即z方向)的第一坐标，f表示微结构透镜的焦距，D表示目标距离，d表示微结构透镜的周期距离。图4是根据本发明实施例提供的一种对被观测目标进行空间定位的示意图，其中，图4中的a图为被观测目标的成像过程的示意图，b图为对目标图像进行图像校正的示意图。

步骤S2082，通过如下算式，确定被观测目标的大小：δ＝Δ(D-d)/d；δ表示被观测目标的大小,△表示被观测目标的像的大小。

由于三维空间是线性的，因此知道了物体的大小，就等价于得到了物体在横向方向的坐标，因此用物体大小来表示∥方向(即与x-y平面平行的方向)定位。

步骤S2083，基于被观测目标的大小，确定被观测目标在观测平面上的第二坐标。

步骤S2084，基于第一坐标和第二坐标，确定被观测目标的空间位置。

图5是利用本发明实施例提供的方法对被观测目标进行空间定位的定位数据示意图，其中，左图(即a图)为S_⊥，右图(即b图)为S_∥，灰色直线为理论值，浅灰色区域为未经过像差校正处理的实验结果，工字形字符为经过像差校正的定位结果，工字高度为测量的精度。

本发明实施例提供了一种基于微结构透镜阵列的空间定位方法，通过利用上述实施例一中提供的微结构透镜阵列对被观测目标进行成像，然后对得到的目标图像进行基于遗传算法的图像校正操作，以消除像差，最后再结合微结构透镜阵列的周期距离对待观测目标进行空间定位，从而得到被观测目标的高精度三维定位数据。本发明实施例所用微结构透镜阵列体积小，对被观测目标的定位精度高，缓解了现有技术中存在的透镜体积大、定位精度较低的技术问题。

本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例二中的方法的步骤。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。