南京理工大学革新3D成像技术:深度学习助力低成本高速成像
在科技迅速发展的今天,3D成像技术已成为光学计量和信息领域的重要研究方向。南京理工大学的一个团队最近取得了突破性进展,他们利用深度学习技术,使得传统的低速相机能够实现高分辨率、高速的3D成像。这一成果不仅降低了成本,还提高了空间和时间分辨率,为工业检测、生物医学研究等领域带来了革命性的改变。

深度学习多路复用FPP(DLMFPP)方法的创新
南京理工大学的科研团队开发了一种名为深度学习多路复用FPP(DLMFPP)的新型3D成像技术。这项技术通过结合计算成像和深度学习,在空间中编码时间信息,成功克服了低成本相机硬件速度的限制。DLMFPP方法不仅提高了相机的成像速度,还保持了3D图像的像素分辨率和信噪比(SNR),这是传统低速相机难以实现的。
技术细节与特点
DLMFPP技术利用数字微镜器件的高时间分辨率能力和频域复用,将时间信息编码在一个复用条纹图案中。这种方法消除了传感器帧速率对3D成像速度的限制,使得使用传统低速相机的3D帧速率几乎可以提高一个数量级。DLMFPP在其投影策略中使用了具有不同倾斜角度的条纹图案序列,当投影速度超过相机速度时,相机将捕获与条纹图案序列叠加的复用图像。通过使用嵌入了傅里叶变换和集成学习的深度神经网络,DLMFPP能够将图像解码为其原始序列,实现高保真的解耦。
实验验证与成果
研究人员通过对瞬态场景的实验演示,验证了DLMFPP的有效性和多功能性。实验表明,DLMFPP可以使用运行频率约为100Hz的低速相机实现高速千赫兹3D成像,而不会影响图像分辨率。这一成果表明,DLMFPP方法能够克服成像探测器硬件的物理限制,使慢速扫描相机能够以高时空分辨率定量研究动态过程。
DLMFPP技术的压缩成像模式具有低成本、降低带宽和内存要求以及低功耗等多种优势。与传统的计算成像技术不同,DLMFPP不依赖于空间编码器或其他复杂的光学调制硬件,通过使用简单的光路,避免了光子损失,确保了3D成像的高SNR。这项技术几乎可以在任何现成的FPP系统上实现,为高速和超高速3D成像技术的进一步发展开辟了新途径。南京理工大学的这一研究成果,不仅推动了3D成像技术的发展,也为相关领域的研究和应用提供了新的可能性。
-
泰曼-格林与斐索干涉仪:两种经典干涉仪的原理、区别与选型
在光学面形与波前检测中,泰曼-格林(Twyman-Green)与斐索(Fizeau)干涉仪是两种最经典、最常见的构型。同样是干涉测量,两者在光路结构、适用范围、精度表现与使用门槛上却有着本质区别。很多工程师面对"该用哪一种"时常常犹豫。本文从光路原理出发,系统梳理两者的差异,并给出选型建议。
2026-11-20
-
离轴抛物面反射镜的面形检测:难点、方法与干涉测量
离轴抛物面镜(Off-Axis Parabolic Mirror, OAP)没有中心遮挡,能把点光源准直为理想平行光或把平行光无像差地聚焦,是空间光学、红外系统、激光应用中的关键元件。但它"离轴"的特性,也让面形检测变得格外棘手——没有旋转对称中心,传统检测方法往往失效。本文解析离轴抛物面的特点与面形检测难点,并介绍干涉检测方案。
2026-11-20
-
多层透明结构的分层测厚:低相干干涉如何"一层层剥开"测量
OLED 盖板与触控层的贴合、汽车夹胶玻璃、多层光学贴合模组、复合膜材……越来越多的产品不再是单一材料,而是多层透明材料叠在一起。要控制这些产品的质量,需要分别测出每一层的厚度,而不是只知道总厚。低相干干涉法凭借其界面分辨能力,能做到"一层层剥开"地测量各层厚度。本文解析多层结构分层测厚的原理与应用。
2026-11-20
-
摄像头模组检测的四道关卡:从一片镜片到一台整机
镜片到一台能用的模组,中间有四道质量关卡。每一关检测的参数不同、用的设备不同,任何一关漏检,问题都会流到下一关,最终变成整机返修或客户投诉。
2026-11-19
-
中心偏差和空气间隔,为什么要放在一台设备上测
一个镜头能不能用,取决于两件事:看得清不清,和对得准不准。
2026-11-19
