一种透镜轴心偏差检测方法、系统及设备与流程

摘要: 本技术属于透镜检测领域,更具体地,涉及一种透镜轴心偏差检测方法、系统及设备。背景技术:1、透镜轴心偏差(又称中心偏)是指透镜光轴与基准轴的不重合程度,是衡量透镜...
一种透镜轴心偏差检测方法、系统及设备与流程

本技术属于透镜检测领域,更具体地,涉及一种透镜轴心偏差检测方法、系统及设备。

背景技术:

1、透镜轴心偏差(又称中心偏)是指透镜光轴与基准轴的不重合程度,是衡量透镜装调质量的关键指标。国标将其定义为“光学表面定心顶点处的法线对基准轴的偏离量”,通常用面倾角χ、偏心差c或球心偏a来度量。现有轴心偏差测量方法包括:(1)双光路中心偏测量仪,采用激光光源与ccd相机,通过光斑位置计算中心误差。该方法需要专用光学系统,测量精度受相机成像质量影响,且设备成本高。(2)激光微位移测头扫描法,采用激光微位移测头扫描非球面各环带,通过旋转前后光斑位移计算角偏量。该方法依赖高精度转台,测量效率低,难以在线集成。(3)接触式/非接触式探头扫描法,利用探头逐点扫描透镜表面,以表侧光轴为基准计算背侧光轴的偏心。该方法效率低,且未涉及面形误差补偿。

2、综上,现有轴心偏差测量方法主要依赖专用硬件设备,测量效率低,难以在线集成,测量精度受硬件限制,通常在0.1μm量级。

3、另外目前微透镜在使用面共焦3d传感器进行测量时,由于表面斜率过大,边缘像差与光瞳填充不全叠加,导致边缘pattern出现扭曲,参见图1所示,数据出现偏差,导致残差等测量精度不高。特别是高数值孔径物镜将光线大角度收拢,边缘像差迅速放大。坡度表面反射光仅部分填充光瞳,误差取决于位置和梯度。高数值孔径物镜的球面像差校正在边缘视场尤为关键,直接影响面积表面形貌测量精度。实际测倾斜平面时,相同角度下残差形状随方向改变,移不变假设不成立。球面耦合误差同时拉偏roc并抬高残差,表面测量误差成为微透镜表面测量的不确定来源。

4、专利文献cn 111209689 a使用利用光学软件模拟,建立待测非球面干涉系统的光学模型获取消除回程误差的训练集,并构建消除回程误差的神经网络;训练消除回程误差的神经网络,来求解非球面面形误差,但是该方法很难模拟出面共焦实际测量过程中由于高数值孔径物镜将光线大角度收拢,边缘像差迅速放大的过程(因为面共焦不是基于干涉法测量),因此难以提高此方法的测量精度。

5、因此,亟需一种无需专用硬件且精度更高的透镜轴心偏差评估方法。

技术实现思路

1、针对现有技术的缺陷,本技术的目的在于提供一种透镜轴心偏差检测方法、系统及设备,旨在解决现有技术对透镜轴心偏差的检测依赖专用硬件设备,测量效率低,测量精度受硬件限制以及使用面共焦3d传感器进行测量难以消除测量装置引入的表面测量误差,导致测量精度有限的问题。

2、本技术的第一方面涉及一种透镜轴心偏差检测方法,所述透镜包括前表面和后表面,所述前表面和后表面为两个球面、两个非球面或球面和非球面的组合,包括:

3、确定由测量系统获取的透镜前表面和后表面的点云数据;所述点云数据中存在由测量系统引入的测量误差;所述测量误差与透镜表面倾斜斜率有关;

4、将前表面和后表面的点云数据输入预先训练得到的偏差预测模型,预测得到前表面和后表面点云数据中的测量误差;所述偏差预测模型预先训练时采用的训练数据来自由所述测量系统获取的标准球和/或标准非球面的点云数据;

5、分别基于前表面和后表面的测量误差对相应点云数据进行补偿,得到补偿后的前表面和后表面点云数据;

6、分别基于补偿后的前表面和后表面点云数据进行拟合,对于球面拟合得到球心,对于非球面拟合得到对称轴;

7、基于前表面和后表面的球心或对称轴确定透镜的轴心偏差。

8、其中,所述倾斜斜率为透镜表面切线相对与测量系统光轴垂直平面的夹角对应的斜率。

9、在一种可能的实现方式中,所述偏差预测模型通过以下步骤训练得到:

10、获取测量系统采集的标准球和/或标准非球面的点云数据,并对标准球/或标准非球面的点云数据进行球面或非球面拟合,获取与所述点云数据最匹配的拟合球面和/或拟合非球面;

11、确定标准球和/或标准非球面点云数据中每个点相对拟合球和/或拟合非球面的残差,提取球顶区域所有点的残差均值,将其作为测量系统的基准偏移;所述球顶区域为表面倾斜斜率小于预设值的区域;

12、将每个点相对拟合球和/或拟合非球面的残差减去所述基准偏移,得到标准球点云数据中每个点更新后的残差,将更新后的残差作为所述测量系统引入的测量误差;

13、基于标准球和/或标准非球面的点云数据和对应的测量误差对偏差预测模型进行训练,得到训练好的偏差预测模型;所述偏差预测模型用于基于标准球和/或标准非球面点云数据的几何特征预测对应的测量误差,所述几何特征包括:点的径向坐标、矢高以及斜率,所述斜率为该点在其所处点云面上的倾斜斜率。

14、在一种可能的实现方式中,基于测量误差对点云数据进行补偿,包括:

15、将点云数据中每个点的坐标与对应的测量误差进行运算,得到补偿后的点云数据。

16、在一种可能的实现方式中,基于补偿后的点云数据进行拟合,以及确定透镜轴心偏差,包括:

17、当前表面或后表面为球面时,对补偿后的点云数据进行球形拟合,确定最匹配的拟合球,并获取拟合球的球心;

18、当前表面或后表面为非球面时,对补偿后的点云数据进行非球面拟合,确定最匹配的拟合非球面,并获取拟合非球面的对称轴;

19、若前表面和后表面均为球面,则将前表面拟合球球心和后表面拟合球球心之间的距离作为透镜轴心偏差;

20、若前表面和后表面为球面和非球面的组合,则对应拟合球球心和拟合非球面的对称轴之间的距离作为透镜轴心偏差;

21、若前表面和后表面均为非球面,则将前表面和后表面拟合非球面的对称轴投影至与透镜光轴垂直的平面上,结合投影坐标之间的偏差确定透镜的轴心偏差。

22、在一种可能的实现方式中,所述点云数据的几何特征中斜率通过以下步骤确定:

23、将点的矢高相对径向坐标求导数,得到点的斜率;所述矢高为点在光轴方向上的高度。

24、可以理解的是,检测系统对透镜检测时,默认透镜摆放为其透镜光轴与检测系统光轴平行,在此状态下获取透镜的点云数据,此时矢高最高的点即为透镜的顶点。

25、在一种可能的实现方式中,所述偏差预测模型包括:单隐层前馈神经网络;

26、所述单隐层前馈神经网络包括:输入层、隐藏层以及输出层;

27、其中,所述输入层包括3个节点,对应点云数据中各点的几何特征:径向坐标、矢高以及斜率;所述隐藏层用于把输入层接收的几何特征映射到高维非线性空间,所述输出层用于输出预测值。

28、在一种可能的实现方式中,所述球顶区域为表面倾斜斜率小于预设值的区域,具体为:当点云数据中点的切线与测量系统入射方向垂直,则对应的表面倾斜角为0°;

29、优选地,所述预设值为倾斜角为1°时的斜率。

30、第二方面,本技术提供了一种透镜轴心偏差检测系统,所述透镜包括前表面和后表面,所述前表面和后表面为两个球面、两个非球面或球面和非球面的组合,包括:

31、点云数据获取模块,用于确定由测量系统获取的透镜前表面和后表面的点云数据;所述点云数据中存在由测量系统引入的测量误差;所述测量误差与透镜表面倾斜斜率有关;

32、测量误差预测模块,用于将前表面和后表面的点云数据输入预先训练得到的偏差预测模型,预测得到前表面和后表面点云数据中的测量误差;所述偏差预测模型预先训练时采用的训练数据来自由所述测量系统获取的标准球和/或标准非球面的点云数据;

33、点云数据补偿模块,用于分别基于前表面和后表面的测量误差对相应点云数据进行补偿,得到补偿后的前表面和后表面点云数据;

34、轴心偏差确定模块,用于分别基于补偿后的前表面和后表面点云数据进行拟合,对于球面拟合得到球心,对于非球面拟合得到对称轴;以及基于前表面和后表面的球心或对称轴确定透镜的轴心偏差。

35、在一种可能的实现方式中,该系统还包括:

36、预测模型训练模块,用于获取测量系统采集的标准球和/或标准非球面的点云数据,并对标准球/或标准非球面的点云数据进行球面或非球面拟合,获取与所述点云数据最匹配的拟合球面和/或拟合非球面;确定标准球和/或标准非球面点云数据中每个点相对拟合球和/或拟合非球面的残差,提取球顶区域所有点的残差均值,将其作为测量系统的基准偏移;所述球顶区域为表面倾斜斜率小于预设值的区域;将每个点相对拟合球和/或拟合非球面的残差减去所述基准偏移,得到标准球点云数据中每个点更新后的残差,将更新后的残差作为所述测量系统引入的测量误差;以及基于标准球和/或标准非球面的点云数据和对应的测量误差对偏差预测模型进行训练,得到训练好的偏差预测模型;所述偏差预测模型用于基于标准球和/或标准非球面点云数据的几何特征预测对应的测量误差,所述几何特征包括:点的径向坐标、矢高以及斜率,所述斜率为该点在其所处点云面上的倾斜斜率。

37、第三方面,本技术还包括一种电子设备,包括存储器、一个或多个处理器;

38、所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;

39、所述一个或多个处理器调用所述计算机指令以使得所述电子设备执行如上述第一方面所描述的方法。

40、总体而言,通过本技术所构思的以上技术方案与现有技术相比,具有以下有益效果:

41、本技术提供一种透镜轴心偏差检测方法、系统及设备,通过建立偏差预测模型,对测量系统固有的、与表面倾斜斜率相关的误差进行精准解耦与补偿。在传统检测中,面形误差极易干扰轴心偏差的评估,而本方案在模型训练阶段,通过引入标准球/非球面的点云残差计算,创新性地剥离了球顶区域的基准偏移,并将径向坐标、矢高及斜率等几何特征作为输入,实现了对测量误差的精准预测。在实际检测环节,系统利用补偿后的高保真点云数据进行全量信息拟合以确定球心或对称轴。这种海量数据参与的统计算法消除了局部突变或残余面形误差的干扰,使得最终的轴心偏差评估精度跨越式提升。

42、本技术提供一种透镜轴心偏差检测方法、系统及设备,该方案实现了检测算法与专用硬件的完全解耦。由于算法的输入端直接复用了现有面形测量设备所采集的前后表面点云数据,在物理层面彻底免除了增购专用中心偏测量仪的需求,从而大幅削减了产线的设备固定投资与后期的校准维护成本。更为重要的是,数据流在同一套测量流程中实现了分发与复用:单次采集即可同步输出“面形误差”与“轴心偏差”两项关键指标。这种设计打破了传统工序中面形与轴心需分机台、分批次流转的繁琐流程,在不增加任何物理测量工步的前提下,实现了检测维度的直接翻倍。

43、本技术提供一种透镜轴心偏差检测方法、系统及设备,传统机械式中心偏测量仪由于涉及复杂的物理装夹、光轴对准与扫描等机械动作,单件测量耗时较长;而本方案将耗时环节全部转移至算力端,依靠预先训练的神经网络进行前向推理补偿与数学拟合,单件处理时间被极致压缩。这种无机械延迟的快速计算机制,能够无缝嵌入现有的在线测量系统。在实际工业场景中,该技术可对流水线上的透镜进行实时评估反馈,支撑后续加工设备的在线闭环补偿,填补了超高精度轴心偏差无法实现在线即时检测的技术空白。