眼像差计表征系统和方法与流程

技术特征：
1.一种眼像差测量系统，包括：波前传感器，所述波前传感器被配置为提供与由所述眼像差测量系统监测的光学目标相关联的波前传感器数据；以及逻辑装置，所述逻辑装置被配置为与所述波前传感器通信，其中，所述逻辑装置被配置为：至少部分地基于与所述眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于所述眼像差测量系统的复杂分析引擎，其中，所述像差计模型和所述眼睛模型是至少部分地基于由所述波前传感器提供的波前传感器数据；以及至少部分地基于所确定的复杂分析引擎来生成用于所述眼像差测量系统的紧凑分析引擎。2.如权利要求1所述的眼像差测量系统，其中，所述逻辑装置被配置为：生成与所述眼像差测量系统相关联的所述眼睛模型；以及至少部分地基于所生成的眼睛模型来确定所述复杂分析引擎。3.如权利要求2所述的眼像差测量系统，其中，生成所述眼睛模型包括：通过被布置为由所述眼像差测量系统监测的光学目标的双程模型目标至少照亮所述眼像差测量系统的波前传感器；根据多个选定的对准偏差来改变所述双程模型目标的可互换眼像差模型相对于所述眼像差测量系统的光轴的位置和/或取向，以生成由所述波前传感器提供的对应的多组波前传感器数据；以及将所述多个选定的对准偏差和所述对应的多组波前传感器数据存储为所述眼睛模型。4.如权利要求3所述的眼像差测量系统，其中，所述双程模型目标包括：所述可互换眼像差模型；以及六自由度运动致动器，所述六自由度运动致动器可释放地联接到所述可互换眼像差模型并被配置为改变所述可互换眼像差模型的位置和/或取向以生成所述多个选定的对准偏差和所述对应的多组波前传感器数据。5.如权利要求2所述的眼像差测量系统，其中，确定所述复杂分析引擎包括：形成神经网络，所述神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的至少一个神经元隐藏层；以及经由受监督学习引擎来训练与所述神经网络的神经元输入层、输出层和隐藏层的每个神经元相关联的至少一个可训练加权矩阵，所述训练使用所述眼睛模型的对准偏差作为地面真值输出数据和使用所述眼睛模型的对应波前传感器数据组作为训练输入数据。6.如权利要求1所述的眼像差测量系统，其中，所述逻辑装置被配置为：生成与所述眼像差测量系统相关联的所述像差计模型；以及至少部分地基于所生成的像差计模型来确定所述复杂分析引擎。7.如权利要求6所述的眼像差测量系统，其中，生成所述像差计模型包括：通过被布置为由所述眼像差测量系统监测的光学目标的单程模型目标至少照亮所述眼像差测量系统的波前传感器；根据多个选定的散焦焦度来改变所述单程模型目标的散焦像差，以生成由所述波前传感器提供的多组波前传感器数据；
至少部分地基于所述多组波前传感器数据确定与所述眼像差测量系统相关联的系统像差；以及将所述系统偏差和/或所述多组波前传感器数据存储为所述像差计模型。8.如权利要求7所述的眼像差测量系统，其中，所述单程模型目标包括：平面波视网膜源，包括激光器或超发光二极管，所述激光器或超发光二极管被配置为产生沿所述眼像差测量系统的光轴定向的源束；以及透镜系统，所述透镜系统联接到线性运动致动器，所述线性运动致动器被配置为改变所述单程模型目标的散焦像差以生成所述多个参考干涉图和对应的波前传感器数据。9.如权利要求6所述的眼像差测量系统，其中，确定所述复杂分析引擎包括：至少部分地基于与所述像差计模型中的眼像差测量系统相关联的系统像差，生成与所述眼睛模型的多个选定的对准偏差相对应的多组校正的波前传感器数据；形成神经网络，所述神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的多个神经元隐藏层；以及经由受监督学习引擎来训练与所述神经网络的神经元输入层、输出层和隐藏层的每个神经元相关联的至少一个可训练加权矩阵，所述训练使用所述眼睛模型的多个选定的对准偏差作为地面真值输出数据和使用所述眼睛模型的多组校正的波前传感器数据作为训练输入数据。10.如权利要求1所述的眼像差测量系统，其中，生成所述紧凑分析引擎包括：形成紧凑神经网络，所述紧凑神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的至少一个神经元隐藏层；以及至少部分地基于与所述复杂分析引擎的多个神经元隐藏层相关联的一个或多个复杂分析参数，生成与所述紧凑神经网络的神经元输入层、输出层和/或隐藏层的每个神经元相关联的加权矩阵。11.一种方法，包括：至少部分地基于与所述眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于眼像差测量系统的复杂分析引擎，其中，所述像差计模型和所述眼睛模型是至少部分地基于由所述眼像差测量系统的波前传感器提供的波前传感器数据；以及至少部分地基于所确定的复杂分析引擎来生成用于所述眼像差测量系统的紧凑分析引擎。12.如权利要求11所述的方法，进一步包括：生成与所述眼像差测量系统相关联的所述眼睛模型；以及至少部分地基于所生成的眼睛模型来确定所述复杂分析引擎。13.如权利要求12所述的方法，其中，生成所述眼睛模型包括：通过被布置为由所述眼像差测量系统监测的光学目标的双程模型目标至少照亮所述眼像差测量系统的波前传感器；根据多个选定的对准偏差来改变所述双程模型目标的可互换眼像差模型相对于所述眼像差测量系统的光轴的位置和/或取向，以生成由所述波前传感器提供的对应的多组波前传感器数据；以及将所述多个选定的对准偏差和所述对应的多组波前传感器数据存储为所述眼睛模型。
14.如权利要求13所述的方法，其中，所述双程模型目标包括：所述可互换眼像差模型；以及六自由度运动致动器，所述六自由度运动致动器可释放地联接到所述可互换眼像差模型并被配置为改变所述可互换眼像差模型的位置和/或取向以生成所述多个选定的对准偏差和所述对应的多组波前传感器数据。15.如权利要求12所述的方法，其中，确定所述复杂分析引擎包括：形成神经网络，所述神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的至少一个神经元隐藏层；以及经由受监督学习引擎来训练与所述神经网络的神经元输入层、输出层和隐藏层的每个神经元相关联的至少一个可训练加权矩阵，所述训练使用所述眼睛模型的对准偏差作为地面真值输出数据和使用所述眼睛模型的对应波前传感器数据组作为训练输入数据。16.如权利要求11所述的方法，进一步包括：生成与所述眼像差测量系统相关联的所述像差计模型；以及至少部分地基于所生成的像差计模型来确定所述复杂分析引擎。17.如权利要求16所述的方法，其中，生成所述像差计模型包括：通过被布置为由所述眼像差测量系统监测的光学目标的单程模型目标至少照亮所述眼像差测量系统的波前传感器；根据多个选定的散焦焦度来改变所述单程模型目标的散焦像差，以生成由所述波前传感器提供的多组波前传感器数据；至少部分地基于所述多组波前传感器数据确定与所述眼像差测量系统相关联的系统像差；以及将所述系统偏差和/或所述多组波前传感器数据存储为所述像差计模型。18.如权利要求17所述的方法，其中，所述单程模型目标包括：平面波视网膜源，包括激光器或超发光二极管，所述激光器或超发光二极管被配置为产生沿所述眼像差测量系统的光轴定向的源束；以及透镜系统，所述透镜系统联接到线性运动致动器，所述线性运动致动器被配置为改变所述单程模型目标的散焦像差以生成所述多个参考干涉图和对应的波前传感器数据。19.如权利要求16所述的方法，其中，确定所述复杂分析引擎包括：至少部分地基于与所述像差计模型中的眼像差测量系统相关联的系统像差，生成与所述眼睛模型的多个选定的对准偏差相对应的多组校正的波前传感器数据；形成神经网络，所述神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的多个神经元隐藏层；以及经由受监督学习引擎来训练与所述神经网络的神经元输入层、输出层和隐藏层的每个神经元相关联的至少一个可训练加权矩阵，所述训练使用所述眼睛模型的多个选定的对准偏差作为地面真值输出数据和使用所述眼睛模型的多组校正的波前传感器数据作为训练输入数据。20.如权利要求11所述的方法，其中，生成所述紧凑分析引擎包括：形成紧凑神经网络，所述紧凑神经网络包括神经元输入层、神经元输出层以及联接在所述神经元输入层与所述神经元输出层之间的至少一个神经元隐藏层；以及
至少部分地基于与所述复杂分析引擎的多个神经元隐藏层相关联的一个或多个复杂分析参数，生成与所述紧凑神经网络的神经元输入层、输出层和/或隐藏层的每个神经元相关联的加权矩阵。

技术总结
公开了用于提供改进的眼像差测量的系统和方法的技术。眼像差测量系统包括被配置为提供与由眼像差测量系统监测的光学目标相关联的波前传感器数据的波前传感器和被配置为与波前传感器通信的逻辑装置。逻辑装置被配置为至少部分地基于与眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于眼像差测量系统的复杂分析引擎，其中，像差计模型和眼睛模型是至少部分地基于由波前传感器提供的波前传感器数据。逻辑装置还被配置为至少部分地基于所确定的复杂分析引擎来生成用于眼像差测量系统的紧凑分析引擎。测量系统的紧凑分析引擎。测量系统的紧凑分析引擎。


技术研发人员：M
受保护的技术使用者：爱尔康公司
技术研发日：2020.10.01
技术公布日：2022/6/7