【光学前沿】元成像相机：开启单目深度感应新纪元
在众多领域，如机器人技术、增强现实和自动驾驶等，深度感知技术扮演着至关重要的角色。传统的单目深度感知技术受限于成本、体积和性能，而新型的元成像相机提供了一种高精度且鲁棒的单目深度感知解决方案。本文将详细介绍清华大学自动化系戴琼海院士和乔晖副教授团队开发的元成像相机，以及其在单目深度感知领域的突破性进展。
深度感知技术是理解和交互三维世界的基础，尤其在自动驾驶、无人机控制、增强现实等领域中发挥着关键作用。传统的单目深度感知技术通常依赖于图像中的透视和遮挡等相对深度线索，但由于缺乏绝对深度信息，其精度和鲁棒性受限。光场相机虽然能够提供深度信息，但其较低的空间分辨率和易受光学像差影响的特性限制了其应用。
最近，清华大学的研究团队提出了一种新型的元成像相机，该相机集成了主透镜、微透镜阵列、CMOS传感器和压电位移台，通过扫描机制有效克服了空间分辨率和角度分辨率之间的矛盾，提升了子孔径的空间分辨率。这种设计不仅使得子孔径之间的视差能够携带深度信息，而且每个子孔径内PSF图案的变化也能携带一定的深度信息。此外，高分辨率的子孔径图像使得元成像相机能够通过数字自适应光学技术（DAO）实现多点像差校正，即使在存在像差的情况下，也能高效地捕获深度信息，确保准确和鲁棒的深度感知。
实验结果表明，元成像相机在1米至3.5米的测试范围内达到了平均0.03米的绝对误差和1.7%的相对误差，显示出其卓越的深度感知能力和增强的对信号背景比变化的稳健性。这一成果极大地拓展了单目深度感知在自动驾驶、虚拟现实等领域的应用前景。
除了用于单目深度估计外，元成像相机还可以代替当前立体视觉系统中的2D相机，提升立体视觉系统的深度感知性能。此外，元成像相机凭借其对像差的强鲁棒性，弥补了被动式深度感知方法在长距离深度感知时的精度和鲁棒性不足，从而有潜力进一步拓展被动式深度感知在长距离场景中的效果。
清华大学研究团队开发的元成像相机以其高精度和鲁棒性，为单目深度感知领域带来了革命性的突破。这种新型相机不仅在更宽的深度范围内表现出比光场相机更高的精度，而且对信号背景比变化具有出色的鲁棒性。模拟和实验深度估计结果进一步证实了元成像相机在光学像差引起的挑战性条件下的稳健性和高精度。随着技术的不断发展，元成像相机有望在自动驾驶、无人机和机器人等挑战性场景中发挥重要作用，为未来远程被动深度感应的发展开辟新途径。
-
横向色差与纵向色差：镜头色差异从哪里来，怎么测？
白光是由不同波长的光组成的复合光。由于透镜材料对不同波长的光折射率不同，不同颜色的光经过透镜后会产生不同的折射角度和焦距——这就是色差（Chromatic Aberration）。
2026-09-29
-
镜片一装上去像就变？光学元件应力双折射的成因、定量检测与装夹启示
不少装调工程师都遇到过这样的情况：一片单独检测合格的镜片，装进镜筒、拧上压圈后，波前或偏振状态却发生了变化；胶合固化后的透镜，在偏光仪下出现一圈圈彩色条纹。这些现象背后，往往是同一个"看不见的变量"——应力双折射（Stress Birefringence）。本文梳理应力双折射的成因、它对光学性能的影响、定量检测原理与相关标准，并讨论它对光学装夹（预紧力/应力平衡）的实际启示。
2026-09-29
-
130°大视场、25点测量、60秒出MTF 内窥镜光学性能怎么做量产检测？
无论是腹腔、关节、鼻窦等硬管内窥镜，还是电子胃肠镜、胶囊内镜，医生都要通过一根细长的镜体看清体内细节。视场够不够大、边缘清不清晰、有没有变形，直接关系到病灶能否被发现。随着医用内窥镜国产替代加速、工业孔探应用增多，仅靠人工看分辨率板"数线对"已难以满足量产质控要求。本文结合 TRIOPTICS 的 ImageMaster® ENDO PRO 内窥镜专用光学传递函数测量仪，梳理内窥镜光学检测的特殊点、MTF 测量方法与量产化设备实现。
2026-09-28
-
AI 芯片扩产，卡在"最后一道“光学关”——从 CoWoS 到 CPO，为什么光学对准与检测成了新瓶颈
9 月初的 SEMICON Taiwan 2026 上，多家国际机构的调研罕见地指向同一个判断：AI 半导体的扩产，正在从“前端增产”走向“全链条扩产”——产能压力从晶圆厂蔓延到先进封装、光互连和测试。而对光学行业的人来说，这条链的末端藏着本次展会最实在的信号：量产的卡点，恰好落在了光学对准与检测上。
2026-09-28
-
批产一致性数据读图指南：单片合格，为什么批次还是不达标
一条 MTF 曲线、一张波面图、一份偏心报告。但量产阶段真正决定交付质量的，往往是批次数据的一致性：100 片镜头里每一片都过规格，并不意味着这一批就是稳定的。
原因在于下游系统通常由多片光学元件级联构成。单片各自满足容差，其偏差在系统内随机叠加后，合成波前误差会显著放大；批内离散度越大，装配后系统性能的可预测性越差。因此，读批次数据的方法与读单片数据有本质区别：关注的不是"某一片好不好"，而是"整批是否受控、变异来自哪里"。2026-09-28
