一种面向空间非合作目标位姿测量应用的三维点云滤波算法

顾营迎, 王立, 华宝成, 刘达, 吴云, 徐云飞

顾营迎, 王立, 华宝成, 刘达, 吴云, 徐云飞. 一种面向空间非合作目标位姿测量应用的三维点云滤波算法[J]. 应用光学, 2019, 40(2): 210-216. DOI: 10.5768/JAO201940.0201005
引用本文: 顾营迎, 王立, 华宝成, 刘达, 吴云, 徐云飞. 一种面向空间非合作目标位姿测量应用的三维点云滤波算法[J]. 应用光学, 2019, 40(2): 210-216. DOI: 10.5768/JAO201940.0201005
GU Yingying, WANG Li, HUA Baocheng, LIU Da, WU Yun, XU Yunfei. 3D point cloud filtering method for pose measurement application of space non-cooperative targets[J]. Journal of Applied Optics, 2019, 40(2): 210-216. DOI: 10.5768/JAO201940.0201005
Citation: GU Yingying, WANG Li, HUA Baocheng, LIU Da, WU Yun, XU Yunfei. 3D point cloud filtering method for pose measurement application of space non-cooperative targets[J]. Journal of Applied Optics, 2019, 40(2): 210-216. DOI: 10.5768/JAO201940.0201005

一种面向空间非合作目标位姿测量应用的三维点云滤波算法

基金项目: 

天军十三五预研课题 30508020204HT 02

详细信息
    作者简介:

    顾营迎(1984-),男,博士,副研究员,主要从事空间位姿敏感器的研发、研制工作。E-mail: gu007623@163.com

  • 中图分类号: V488.25

3D point cloud filtering method for pose measurement application of space non-cooperative targets

  • 摘要: 针对激光位姿敏感器获得的原始点云有噪声和直接参与解算消耗星上计算资源过大问题,给出一种适用于空间非合作目标位姿测量的点云滤波和特征提取算法。应用仿真的方法分别验证了算法滤除空间随机噪声和点云降采样的有效性,验证了特征点对目标位姿变化和高斯测量噪声的鲁棒性。在非合作目标绕飞、抵近、捕获全物理试验平台上,以扫描激光位姿敏感器获得的原始点云数据为输入,验证了算法在实际空间目标位姿测量中的性能。试验结果表明,该算法实现了原始点云93.1%的降采样,节省了92.9%的位姿解算时间,可有效提升星上数据处理的效率和姿态解算的实时性。
    Abstract: A point cloud feature extraction and filtering method for position and attitude(P & A) sensor of space non-cooperative target was presented, in order to filter the noise in raw point cloud obtained form laser P & A sensor and solve the problem that too many points taken part in the position and attitude computing wasted too much time. Then, using simulation method, the effectiveness of filtering the space rand noise and down-sample of point cloud was verified, and the robustness for target pose and Gauss measurement noise was tested. Finally, with the help of the all physical test platform for non-cooperative targets fly around, approach and capture, using the raw point cloud obtained from laser P & A sensor, the performance of the method in real position and attitude measurement was presented. The test results show that the algorithm achieves 93.1% down sampling of the original point cloud, saves 92.9% of the pose calculation time, which can effectively improve the efficiency of on-orbit data processing and the real-time performance of pose calculation.
  • 高光谱遥感器是指利用分光技术获取连续窄带光谱的遥感器,其通道光谱带宽Δλ与中心波长λ的关系为Δλ/λ≈0.01[1]。在高光谱遥感器使用前,需要进行光谱定标和辐射定标。光谱定标的目的是建立高光谱遥感器光谱通道与不同入瞳波长的对应关系,辐射定标时建立高光谱遥感器的输出值与相应已知的、用国际单位(SI)表示的辐射量基准之间定量关系[2-3]。光谱定标和辐射定标是保证高光谱遥感器获取数据的科学可信度和最大限度的定量化应用基础。

    高光谱遥感器的光谱定标和辐射定标通常在实验室内进行,其中光谱定标通常利用基于元素特征谱的光谱定标参考光源[4](低压汞灯和高压钠灯等特征谱线灯安装在积分球里面)或经过波长校准的单色仪或可调谐激光器[5]等精细扫描的方法实现,辐射定标通常采用光谱平坦性较好的标准灯板系统或传统卤素灯积分球光源完成。由于高光谱遥感器工作环境复杂,通常需要在野外进行观测,尤其是长期观测,受本身老化和外界干扰等因素的影响,其光谱中心波长漂移会发生漂移,其辐射响应特性会不断衰减[6]。前期高光谱遥感器应用研究表明,中心波长漂移与通道光谱带宽比值在超出1%情况下,在光谱形状变化剧烈的谱段,辐射测量的偏差有可能超过5%,甚至达到20%[7]。因此有必要对高光谱遥感器光谱辐射定标精度在现场环境下进行精度验证,实现光谱定标精度优于±0.5 nm,确保辐射定标不确定小于5%。

    目前在现场环境下,可利用大气廓线中的太阳夫琅禾费线以及氧气、二氧化碳和水汽等气体吸收光谱特征对高光谱遥感器进行光谱定标精度验证,例如Gao等人采用光谱匹配技术实现了机载高光谱成像光谱仪PHILLS的光谱定标[8-9]。通过选择大气干洁、地表开阔的场地,利用太阳光经过不同反射率漫反射参考板或靶标的反射信号对高光谱遥感器进行辐射定标精度验证[10-11]。这种定标方法较精确,但是在实际操作中,因为很难能找到稳定、晴好、无云的天气条件,进而导致定标数据质量下降。

    现阶段尚未有高精度的光谱定标和辐射定标实现现场环境下光谱辐射定标验证方法。本文设计了一种高光谱遥感器现场光谱辐射定标精度的验证方法,以SVC光谱辐亮度计为例,利用新型具有高稳定性的光谱可调积分球参考光源STIS(a spectrum-tunable reference light source) [12],在待验证波段内输出光谱辐亮度形状单调上升或单调下降状态,通过比对多波段辐亮度标准传递探测器MRSTD(a muti-band radiance standard transfer detector)[11]和SVC光谱辐亮度计辐亮度测量值的相对偏差,实现SVC光谱辐亮度计光谱辐射定标的精度验证和校正,其中光谱定标验证精度小于±0.2 nm, 辐射定标验证精度优于5%。

    本文使用STIS和MRSTD验证高光谱光学遥感器实验室光谱定标精度。STIS采用多种波长的LED密集阵列发光单元和卤钨灯发光单元,在400 nm~800 nm具有分立波段输出功能,可输出半高带宽约20 nm~40 nm近似高斯形状的光谱辐亮度状态。STIS采用循环水冷温控和高精度可编程直流电源驱动技术,保障了光源的稳定性。STIS角度均匀性在±60°以内优于99.4%,面均匀性优于99.5%,2 h内稳定性优于99.8%。STIS积分球内径250 mm,出光口直径为60 mm,如图 1所示。

    图  1  STIS250-60参考光源
    Figure  1.  STIS250-60 reference light source

    MRSTD是基于低温辐射计传递的多波段辐亮度标准传递探测器[13],用于绝对辐射定标以及监测参考目标的辐射特性变化。MRSTD的工作波段有412 nm、443 nm、490 nm、520 nm、565 nm、670 nm、750 nm和865 nm,其通道带宽约为(10±2)nm。MRSTD采用激光导入积分球的单色面光源进行光谱辐射定标,其中心波长定标准确度优于±0.1 nm,其绝对不确定度 < 1.26%。

    设计的高光谱遥感器光谱定标的精度验证方法如下:在MRSTD各通道的带内区域,利用STIS输出光谱形状单调上升和单调下降的光谱辐亮度状态。使用MRSTD和SVC光谱辐亮度计交替测量STIS输出的光谱辐亮度,如图 2所示。通过比较MRSTD和SVC光谱辐亮度计辐亮度测量结果的相对偏差,分析SVC光谱辐亮度计的光谱辐射定标精度。

    图  2  精度验证方法示意图
    Figure  2.  Schematic diagram of accuracy verification method

    利用标准传递探测器第i通道响应DNi和其带内响应度为Ri,测量光谱可调积分球参考光源输出辐亮度Lc(λi)作为参考值,如(1)式和(2)式所示:

    $$ {{L}_{c}}\left( {{\lambda }_{i}} \right)={D{{N}_{i}}}/{{{R}_{i}}}\; $$ (1)
    $$ {{R}_{i}}=\int_{{{\lambda }_{l}}}^{{{\lambda }_{u}}}{R\left( {{\lambda }_{i}} \right)}\text{d}\lambda $$ (2)

    SVC光谱辐亮度计在350 nm~1 000 nm范围内的光谱分辨率,即半高带宽优于3.5 nm,小于MRSTD通道带宽。根据前期研究[14],SVC光谱辐亮度计通道光谱响应度一般接近于sinc函数,与MRSTD通道的类似高斯光谱响应度曲线形状不同,因此两种仪器测量的辐亮度无法直接进行比对。

    解决方法:首先对SVC光谱辐亮度计测量的光谱辐亮度曲线进行线性插值,插值波长间隔为0.2 nm;其次卷积SVC光谱辐亮度计测量的光谱辐亮度Lsvc(λi)和MRSTD第i通道的相对光谱响应度R(λi),得到光谱辐亮度计对应MRSTD第i通道辐亮度测量值LBSR(λi):

    $$ {{L}_{BSR}}\left( {{\lambda }_{i}} \right)=\int_{{{\lambda }_{l}}}^{{{\lambda }_{u}}}{{{L}_{SVC}}\left( {{\lambda }_{i}} \right)R\left( {{\lambda }_{i}} \right)}{\text{d}\lambda }/{{{R}_{i}}}\; $$ (3)

    计算MRSTD的参考辐亮度Lc(λi)和SVC光谱辐亮度计辐亮度LBSR(λi)测量值之间的相对偏差Δi

    $$ {{\Delta }_{i}}=\frac{{{L}_{BSR}}\left( {{\lambda }_{i}} \right)-{{L}_{c}}\left( {{\lambda }_{i}} \right)}{{{L}_{c}}\left( {{\lambda }_{i}} \right)}\times 100% $$ (4)

    当SVC光谱辐亮度计存在波长偏移时,参考辐亮度Lc(λi)和辐亮度LBSR (λi)测量值之间的相对偏差Δi差异明显。在MRSTD通道对应(10±2)nm光谱范围,SVC光谱辐亮度计的光谱带宽可默认为不发生变化。此时参考前期研究方法[8-9],利用光谱匹配技术,即对SVC光谱辐亮度计测量的光谱辐亮度LSVC(λi)进行波长平移,判断Δi的变化情况。

    根据测量不确定度合格评定通用比对标准[15],当SVC光谱辐亮度计不存在波长偏移时,参考辐亮度Lc(λi)和辐亮度LBSR (λi)测量值的相对偏差Δi应满足下式:

    $$ {\Delta _i} \le \sqrt {{u^2}\left( {{\rm{SVC}}} \right) + {u^2}\left( {{\rm{MRSTD}}} \right)}<5\% $$ (5)

    式中:u(SVC)为SVC光谱辐亮度计的辐射定标不确定度;u(MRSTD)为MRSTD辐射定标不确定度。设计最大相对偏差Δi<5%为判据,认为此时平移后的波长为SVC光谱辐亮度计真实的波长,进而验证SVC光谱辐亮度计的光谱辐射定标精度。

    利用STIS在MRSTD第2通道的带内区域输出4种光谱辐亮度度状态,对应的峰值中心波长分别为474.5 nm、475.9 nm、496.8 nm和499.7 nm。MRSTD测量的辐射亮度值分别为4.409μW·cm-2·sr-1、6.0377μW·cm-2·sr-1、13.950 7 μW·cm-2·sr-1和13.967 7 μW·cm-2·sr-1图 3(a)为SVC光谱辐亮度计测量的光谱辐亮度曲线。图 3(b)为MRSTD第2通道490 nm波段的相对光谱响应度曲线,其辐亮度测量值为参考值,如表 1的第一行所示。

    图  3  SVC光谱辐亮度计测量的光谱辐亮度曲线和MRSTD 490 nm波段的相对光谱响应度
    Figure  3.  Measured spectral radiance curve by SVC and relative spectral responsivity of MRSTD 490 nm band
    表  1  490 nm波段各波长相对偏移量 (%)
    Table  1.  Relative deviation of each wavelength in 490 nm band
    波长平移量/nm 相对偏差Δi
    474.5 nm 475.9 nm 496.8 nm 499.7 nm
    1.0 2.68 3.13 -4.65 -5.80
    0.8 1.10 1.62 -3.66 -4.43
    0.6 -0.47 0.14 -2.69 -3.08
    0.4 -2.01 -1.32 -1.76 -1.74
    0.2 -3.53 -2.76 -0.86 -0.43
    0 -5.04 -4.18 0 0.85
    -0.2 -6.53 -5.58 0.83 2.12
    下载: 导出CSV 
    | 显示表格

    SVC光谱辐亮度计的波长不作平移时,计算MRSTD的参考辐亮度Lc(λi)和SVC光谱辐亮度计辐亮度LBSR (λi)测量值之间的相对偏差Δi最大为5.04%。将SVC波长向长波方向平移0.4 nm后,针对4种光谱辐亮度状态,计算的相对偏差Δi均小于2.01%。SVC光谱辐亮度计波长平移(长波方向为正)与相对偏差Δi的变化情况如图 4所示,相对偏差Δi变化的具体数值见表 1

    图  4  490nm波段MRSTD与SVC光谱辐亮度计波长平移的相对偏差Δi变化情况
    Figure  4.  Changes of relative deviation of MRSTD and SVC wavelength translation in 490 nm band

    表 1可以看出,针对STIS输出的474.5 nm和475.9 nm两种光谱辐亮度状态,SVC光谱辐亮度计波长平移与相对偏差Δi的变化规律趋向单调上升,对于STIS输出的496.8 nm和499.7 nm2种光谱辐亮度状态,SVC光谱辐亮度计波长平移与相对偏差Δi的变化规律呈单调下降趋势。通过两种STIS分别输出光谱形状单调上升和单调下降的两种光谱辐亮度状态,结合SVC光谱辐亮度计波长平移与MRSTD的参考辐亮度和SVC辐亮度测量值相对偏差Δi的变化规律和相对偏差Δi优于5%的判据,得到SVC光谱辐亮度计的波长偏移了0.4 nm。

    SVC光谱辐亮度计760 nm波段的光谱和辐射定标精度验证情况如图 5所示,SVC的波长偏移了1.8 nm。SVC光谱辐亮度计波长平移与MRSTD的参考辐亮度和SVC辐亮度测量值相对偏差Δi的变化规律明显。760 nm波段测量与490 nm波段测量结果相比,SVC光谱辐亮度计波长平移与相对偏差Δi的变化规律呈单调上升和下降趋势较为平坦,主要是由于与峰值中心波长474.5 nm、475.9 nm、496.8 nm和499.7 nm的光谱辐亮度状态相比,STIS输出峰值中心波长748.3 nm和759.9 nm状态的光谱形状单调上升和单调下降的变化较为平缓。

    图  5  760 nm波段MRSTD与SVC光谱辐亮度计波长平移的相对偏差Δi变化情况
    Figure  5.  Changes of relative deviation of MRSTD and SVC wavelength translation in 760 nm band

    同样我们验证了SVC光谱辐亮度计在350 nm~800 nm光谱范围内MRSTD其余波段的光谱辐射定标精度。受制于STIS内部LED的种类,在800 nm以后无法输出半高带宽约20 nm~40 nm近似高斯形状的光谱辐亮度状态。

    本文以SVC野外光谱辐亮度计模拟高光谱遥感器,通过STIS和MRSTD设计了一种高光谱光学遥感器光谱辐射定标的精度验证方法。借助2种STIS在待验证的光谱通道内分别输出光谱形状单调上升和单调下降的两种光谱辐亮度状态,利用SVC光谱辐亮度计波长平移与MRSTD的参考辐亮度和SVC辐亮度测量值相对偏差Δi的变化规律,可有效验证SVC光谱辐亮度计光谱和辐射定标精度,其中光谱定标验证精度优于0.2 nm,辐射定标精度优于5%。这种光谱辐射定标精度验证方法可用于高光谱遥感器350 nm~800 nm光谱范围内实验室定标和现场定标,同时也为光谱连续型光学遥感器与窄带滤光片型光学遥感器之间的辐亮度测量提供一种参考方法。

  • 图  1   激光位姿敏感器的不同扫描方式形成的点云

    Figure  1.   Point cloud formed by different scanning methods of laser P & A sensor

    图  2   目标点云与边沿特征点云

    Figure  2.   Target point cloud and edge feature point cloud

    图  3   边沿特征点空间关系示意图

    Figure  3.   Schematic diagram of spatial relationship between edge feature points

    图  4   带有空间随机分布噪声的点云与算法提取的特征点(粗点)

    Figure  4.   Point cloud with spatially random distributed noise and feature points extracted by algorithm(rough points)

    图  5   绕Y旋转2°前、后,卫星原始点云(细点)及算法提取的特征点云(粗点)

    Figure  5.   Before and after rotating 2° around Y-axis, satellite raw point cloud (fine points) and algorithm-extracted feature point cloud (rough points)

    图  6   卫星不同旋转角度下,原始点云与算法处理后对应的边沿特征点数量

    Figure  6.   Numbers of edge feature points and original pointsat different satellite rotation angles

    图  7   不同高斯噪声水平下,卫星点云(细点)及算法提取的边沿特征点云(粗点)

    Figure  7.   Satellite point cloud(fine points) and algorithm-extracted feature point cloud(rough points) at different Gaussian noise levels

    图  8   不同高斯噪声水平下,算法提取的边沿特征点的数目

    Figure  8.   Number of edge feature points extracted by algorithm at different Gaussian noise levels

    图  9   空间非合作目标绕飞、抵近、捕获全物理试验平台

    Figure  9.   Full physical test platform for space non-cooperative targets fly around, approach and capture

    图  10   全物理试验获取的目标星实测点云(细点)与算法提取的特征点云(粗点)

    Figure  10.   Target star point cloud measured by full physical test platform(fine points) and feature point cloud extracted by algorithm(rough points)

    表  1   特征点提取算法性能

    Table  1   Performance of feature point extraction algorithm

    项目 特征点云 原始点云 比值
    (特征/原始)
    点云数量 280个 4 102个 6.9%
    位姿求解计算量 18 002 404次 252 396 060次 7.1%
    ICP距离均值 34.1 mm 31.6 mm 107.9%
    ICP距离标准差 25.2 mm 24.1 mm 104.6%
    下载: 导出CSV
  • [1]

    UOLPE R, SABATINI M, PALMERING G B. Pose and shape reconstruction of a noncooperative spacecraft using camera and range measurements[J]. International Journal of Aerospace Engineering, 2017, 2017:1-13. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=23cbdfb30fbd9d0065871c61e3c36a16

    [2] 付玮, 吴禄慎, 陈华伟.基于局部和全局采样点云数据简化算法研究[J].激光与红外, 2015, 45(8):1004-1008. doi: 10.3969/j.issn.1001-5078.2015.08.026

    FU Wei, WU Lushen, CHEN Huawei. Study on local and global point cloud data simplification algorithm[J]. Laser & Infrared, 2015, 45(8):1004-1008. doi: 10.3969/j.issn.1001-5078.2015.08.026

    [3] 郭博宁, 陈向宁, 何艳华.基于RANSAC分割的点云数据K-近邻去噪算法研究[J].电子测量技术, 2017(12):209-213. http://www.cnki.com.cn/Article/CJFDTOTAL-DZCL201712041.htm

    GUO Boning, CHEN Xiangning, HE Yanhua. K-nearest neighbor denoising algorithm for point cloud data based on RANSAC algorithm[J]. Electronic Measurement Technology, 2017(12):209-213. http://www.cnki.com.cn/Article/CJFDTOTAL-DZCL201712041.htm

    [4] 廖昌粟, 何东建, 王美丽.一种新的三维点云模型去噪光滑算法研究[J].计算机应用与软件, 2017, 34(4):281-287. doi: 10.3969/j.issn.1000-386x.2017.04.048

    LIAO Changsu, HE Dongjian, WANG Meili. Research on a new denoising algorithm for 3D point cloud model[J]. Computer Applications & Software, 2017, 34(4):281-287. doi: 10.3969/j.issn.1000-386x.2017.04.048

    [5] 吴禄慎, 史皓良, 陈华伟.基于特征信息分类的三维点数据去噪[J].光学精密工程, 2016, 24(6):1465-1473. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201606029

    WU Lushen, SHI Haoliang, CHEN Huawei. Denoising of three-dimensional point data based on classification of feature information[J].Optics & Precision Engineering, 2016, 24(6):1465-1473. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201606029

    [6] 朱飞虎, 王立, 郭绍刚, 等.面向非合作目标的大动态范围激光测距系统[J].红外与激光工程, 2014(b12):8-12. http://d.old.wanfangdata.com.cn/Periodical/hwyjggc2014z1002

    ZHU Feihu, WANG Li, GUO Shaogang, et al. Large dynamic range laser ranging system for non-cooperative target[J]. Infrared & Laser Engineering, 2014(b12):8-12. http://d.old.wanfangdata.com.cn/Periodical/hwyjggc2014z1002

    [7]

    YIN F, CHOU W, WU Y, et al. Sparse unorganized point cloud based relative pose estimation for uncooperative space target[J]. Sensors, 2018, 18(4):1009. doi: 10.3390/s18041009

    [8] 郭瑞科, 王立, 朱飞虎, 等.空间非合作目标的多视角点云配准算法研究[J].中国空间科学技术, 2016, 36(5):32-39. http://d.old.wanfangdata.com.cn/Periodical/zgkjkxjs201605005

    GUO Ruike, WANG Li, ZHU Feihu, et al. Research on registration algorithm of multiple-view point cloud for non-cooperative spacecraft[J]. Chinese Space Science & Technology, 2016, 36(5):32-39. http://d.old.wanfangdata.com.cn/Periodical/zgkjkxjs201605005

    [9]

    OPROMOLLA R, FASANO G, RUFINO G, et al. Pose estimation for spacecraft relative navigation using model-based algorithms[J]. IEEE Transactions on Aerospace & Electronic Systems, 2017, 53(1):431-447. http://cn.bing.com/academic/profile?id=c57f50ed6a2f28efaf4df686500d1ee9&encoded=0&v=paper_preview&mkt=zh-cn

    [10]

    KUMAR G, BHATIA P K. A detailed review of feature extraction in image processing systems[C].// Fourth International Conference on Advanced Computing & Communication Technologies. Rohtak, India: IEEE, 2014: 5-12.

    [11]

    HE Y, LIANG B, HE J, et al. Non-cooperative spacecraft pose tracking based on point cloud feature[J]. Acta Astronautica, 2017, 139:213-221. doi: 10.1016/j.actaastro.2017.06.021

    [12]

    RUSU R B, BRADSKI G, THIBAUX R, et al. Fast 3D recognition and pose using the viewpoint feature histogram[C].// 2010 Ieee/rsj International Conference on Intelligent Robots and Systems. Taipei, China: IEEE, 2010: 2155-2162.

    [13]

    PRAKHYA S M, LIU B, LIN W. B-SHOT: A binary feature descriptor for fast and efficient keypoint matching on 3D point clouds[C]// 2015 Ieee/rsj International Conference on Intelligent Robots and Systems. Hamburg, Germany: IEEE, 2015: 1929-1934.

    [14] 谢庚承, 叶一东, 李建民, 等.脉冲激光测距回波特性及测距误差研究[J].中国激光, 2018, 45(6):610001-1. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgjg201806036

    XIE Gengcheng, YE Yidong, LI Jianmin, et al. Echo characteristics and range error for pulse laser ranging[J]. Chinese Journal of Lasers, 2018, 45(6):610001-1 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgjg201806036

    [15]

    WU Zhaoyong, DU Zhengchun. Uncertainty analysis of laser radar measurement system based on error ellipsoid theory[J]. Laser Technology, 2017, 41(1):29-33. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jgjs201701007

  • 期刊类型引用(5)

    1. 方知. 高光谱图像降维压缩比自动检测数学模型仿真. 计算机仿真. 2021(04): 487-491 . 百度学术
    2. 陈敏,仲兆祥. 电感耦合等离子光谱仪的实验室定标方法. 实验室研究与探索. 2020(05): 12-16 . 百度学术
    3. 张朝忙,叶远智,邓轶,王建邦. 我国自然资源监测技术装备发展综述. 国土资源遥感. 2020(03): 8-14 . 百度学术
    4. 冯姗,曾祥忠. 四通道可见光光谱相机的设计. 应用光学. 2019(03): 393-398 . 本站查看
    5. 谢臣瑜,翟文超,李健军,高放,李越,吴浩宇,郑小兵. 基于超连续激光-单色仪的绝对辐亮度响应度定标. 光学学报. 2019(07): 187-193 . 百度学术

    其他类型引用(2)

图(10)  /  表(1)
计量
  • 文章访问数:  1016
  • HTML全文浏览量:  277
  • PDF下载量:  43
  • 被引次数: 7
出版历程
  • 收稿日期:  2018-08-16
  • 修回日期:  2018-10-15
  • 刊出日期:  2019-02-28

目录

/

返回文章
返回