一种基于神经网络的离面位移测量方法及装置

1.本发明涉及离面位移测量技术领域，尤其是一种基于神经网络的离面位移测量方法及装置。


背景技术：

2.科学研究和工程技术的快速发展对离面位移测量的高分辨率、大量程、实时性提出了更高的要求。在非接触测量方法中，高灵敏度的激光干涉测量法被广泛应用。条纹划分和计数法，相移法、时间相位评估、傅里叶变换法常被用于离面测量的条纹图分析。实验室环境下条纹细分技术达到了百分之一的波长量级的测量精度，但量程受到散斑退相关的影响。相关技术提出了基于干涉条纹细分技术的振动测量方法，实现了1/400波长的测量精度。时间序列条纹图相位提取方法达到了几百微米级的测量范围，但实时性不高。之后提出的一个基于激光反馈干涉的测量系统，它的分辨率为0.51nm，测量量程为850μm，2分钟的定位精度为5nm。由此可见同时实现高分辨率、大范围、实时的离面位移测量仍然是一个挑战。
3.随着离面位移测量的广泛应用和迅速发展，越来越需要一种有效、高分辨率、大范围、实时的离面位移测量方法，而现有的离面位移测量方法存在着种种缺陷，具体表现为：
4.(1)难以兼顾高分辨率、实时性和大范围几个要求。
5.(2)没有达到高度机器处理的水平，效率较低，需要人工的大量参与。


技术实现要素：

6.有鉴于此，本发明实施例提供一种高效且人工成本低的，基于神经网络的离面位移测量方法及装置。
7.本发明的一方面提供了一种基于神经网络的离面位移测量方法，包括：
8.获取对反射面干涉条纹和漫反射干涉条纹的特征信息；
9.根据所述反射面干涉条纹和漫反射干涉条纹的特征信息，构建单点离面位移测量系统；
10.根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像；
11.根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小；
12.根据所述条纹图像，采用卷积神经网络对确定离面位移方向。
13.可选地，所述单点离面位移测量系统包括迈克尔逊干涉仪、压电陶瓷纳米平动台、ccd相机以及计算设备；
14.在所述单点离面位移测量系统中，发射激光经过分光棱镜分成两路，位移端光路经过第一反射镜返回，参考端光路经过第二反射镜返回；
15.其中，所述第一反射镜和所述第二反射镜耦合在所述压电陶瓷纳米平动台上。
16.可选地，所述根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像，包括：
17.将任意时刻干涉图子区与初始时刻干涉图子区的归一化卷积值作为相似程度的参考值；
18.根据归一化卷积值与位移之间的非线性映射关系进行位移追踪，得到任意时刻被测物的位移。
19.可选地，所述根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像，还包括：
20.在一个周期内，根据条纹图中心子区的灰度矩阵将条纹图划分为两个状态，向左移动半个周期内和向右移动半个周期内，将位移方向判断问题转化为图像识别问题。
21.可选地，所述根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小，包括：
22.采用五层bp神经网络来逼近归一化卷积值与位移之间的非线性映射关系；
23.计算每个时刻的干涉图和初始时刻的干涉图的归一化卷积值，并将归一化卷积值作为bp神经网络的输入值，将对应的已知位移量作为网络的输出值进行网络训练；其中，所述训练的过程中设置学习率为0.001；
24.其中，所述五层bp神经网络的输入层含有一个神经元，对应着输入的归一化卷积值；所述五层bp神经网络的三层隐含层含有的神经元数分别为100，200，200；所述五层bp神经网络的输出层含有一个神经元，对应着输出的位移；任意两层之间完全连接，连接参数权重初始值为高斯分布的随机数，偏置项初始值为常数。
25.可选地，所述卷积神经网络包括三个卷积层、三个池化层、一个全连接层和一个softmax函数层，所述根据所述条纹图像，采用卷积神经网络对确定离面位移方向，包括：
26.将干涉图子区作为网络的输入值，经过第一个卷积层时，卷积核尺寸为(3，3，1，32)，图像变为600
×
600
×
32尺寸的三维矩阵；
27.将所述三维矩阵经过一个最大池化层，长宽方向的步长都为2，将所述三维矩阵尺寸变为300
×
300
×
32；
28.经过第二个卷积层，卷积核尺寸为(3，3，32，64)，将三维矩阵尺寸变为300
×
300
×
64；
29.经过一个长宽方向步长都为2的最大池化层，三维矩阵尺寸变为150
×
150
×
64；
30.经过第三个卷积层，卷积核尺寸为(3，3，64，64)，三维矩阵尺寸变为300
×
300
×
64尺寸；
31.经过最大池化层后，三维矩阵尺寸变为75
×
75
×
64；
32.经过一个神经元个数为1000的全连接层和一个softmax函数层；
33.经过神经元个数为2的输出层，输出为概率分布，所述概率分布用于表征离面位移方向向左或向右的概率大小；
34.根据所述概率分布中概率值较大的方向，确定所述离面位移方向。
35.本发明实施例的另一方面还提供了一种基于神经网络的离面位移测量装置，包括：
36.第一模块，用于获取对反射面干涉条纹和漫反射干涉条纹的特征信息；
37.第二模块，用于根据所述反射面干涉条纹和漫反射干涉条纹的特征信息，构建单点离面位移测量系统；
38.第三模块，用于根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像；
39.第四模块，用于根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小；
40.第五模块，用于根据所述条纹图像，采用卷积神经网络对确定离面位移方向。
41.本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
42.所述存储器用于存储程序；
43.所述处理器执行所述程序实现如前面所述的方法。
44.本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
45.本发明实施例的另一方面还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如前面所述的方法。
46.本发明的实施例首先获取对反射面干涉条纹和漫反射干涉条纹的特征信息；根据所述反射面干涉条纹和漫反射干涉条纹的特征信息，构建单点离面位移测量系统；根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像；根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小；根据所述条纹图像，采用卷积神经网络对确定离面位移方向。本发明能够提高处理效率并降低人工成本。
附图说明
47.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
48.图1为本发明实施例提供的整体步骤流程图；
49.图2为本发明实施例提供的漫反射面干涉测量系统示意图；
50.图3为本发明实施例提供的单点离面位移测量系统的示意图；
51.图4为本发明实施例提供的归一化卷积值-位移曲线示意图；
52.图5为本发明实施例提供的bp网络示意图；
53.图6为本发明实施例提供的cnn网络示意图。
具体实施方式
54.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
55.针对现有技术存在的问题，本发明的一方面提供了一种基于神经网络的离面位移测量方法，如图1所示，该方法包括以下步骤：
56.获取对反射面干涉条纹和漫反射干涉条纹的特征信息；
57.根据所述反射面干涉条纹和漫反射干涉条纹的特征信息，构建单点离面位移测量
系统；
58.根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像；
59.根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小；
60.根据所述条纹图像，采用卷积神经网络对确定离面位移方向。
61.可选地，所述单点离面位移测量系统包括迈克尔逊干涉仪、压电陶瓷纳米平动台、ccd相机以及计算设备；
62.在所述单点离面位移测量系统中，发射激光经过分光棱镜分成两路，位移端光路经过第一反射镜返回，参考端光路经过第二反射镜返回；
63.其中，所述第一反射镜和所述第二反射镜耦合在所述压电陶瓷纳米平动台上。
64.可选地，所述根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像，包括：
65.将任意时刻干涉图子区与初始时刻干涉图子区的归一化卷积值作为相似程度的参考值；
66.根据归一化卷积值与位移之间的非线性映射关系进行位移追踪，得到任意时刻被测物的位移。
67.可选地，所述根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像，还包括：
68.在一个周期内，根据条纹图中心子区的灰度矩阵将条纹图划分为两个状态，向左移动半个周期内和向右移动半个周期内，将位移方向判断问题转化为图像识别问题。
69.可选地，所述根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小，包括：
70.采用五层bp神经网络来逼近归一化卷积值与位移之间的非线性映射关系；
71.计算每个时刻的干涉图和初始时刻的干涉图的归一化卷积值，并将归一化卷积值作为bp神经网络的输入值，将对应的已知位移量作为网络的输出值进行网络训练；其中，所述训练的过程中设置学习率为0.001；
72.其中，所述五层bp神经网络的输入层含有一个神经元，对应着输入的归一化卷积值；所述五层bp神经网络的三层隐含层含有的神经元数分别为100，200，200；所述五层bp神经网络的输出层含有一个神经元，对应着输出的位移；任意两层之间完全连接，连接参数权重初始值为高斯分布的随机数，偏置项初始值为常数。
73.可选地，所述卷积神经网络包括三个卷积层、三个池化层、一个全连接层和一个softmax函数层，所述根据所述条纹图像，采用卷积神经网络对确定离面位移方向，包括：
74.将干涉图子区作为网络的输入值，经过第一个卷积层时，卷积核尺寸为(3，3，1，32)，图像变为600
×
600
×
32尺寸的三维矩阵；
75.将所述三维矩阵经过一个最大池化层，长宽方向的步长都为2，将所述三维矩阵尺寸变为300
×
300
×
32；
76.经过第二个卷积层，卷积核尺寸为(3，3，32，64)，将三维矩阵尺寸变为300
×
300
×
64；
77.经过一个长宽方向步长都为2的最大池化层，三维矩阵尺寸变为150
×
150
×
64；
78.经过第三个卷积层，卷积核尺寸为(3，3，64，64)，三维矩阵尺寸变为300
×
300
×
64尺寸；
79.经过最大池化层后，三维矩阵尺寸变为75
×
75
×
64；
80.经过一个神经元个数为1000的全连接层和一个softmax函数层；
81.经过神经元个数为2的输出层，输出为概率分布，所述概率分布用于表征离面位移方向向左或向右的概率大小；
82.根据所述概率分布中概率值较大的方向，确定所述离面位移方向。
83.本发明实施例的另一方面还提供了一种基于神经网络的离面位移测量装置，包括：
84.第一模块，用于获取对反射面干涉条纹和漫反射干涉条纹的特征信息；
85.第二模块，用于根据所述反射面干涉条纹和漫反射干涉条纹的特征信息，构建单点离面位移测量系统；
86.第三模块，用于根据所述单点离面位移测量系统进行反射面干涉实验和漫反射面干涉实验，对位移端进行平移，获取条纹图像；
87.第四模块，用于根据所述条纹图像，采用反向传播神经网络识别一个周期内的离面位移大小；
88.第五模块，用于根据所述条纹图像，采用卷积神经网络对确定离面位移方向。
89.本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
90.所述存储器用于存储程序；
91.所述处理器执行所述程序实现如前面所述的方法。
92.本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
93.本发明实施例的另一方面还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如前面所述的方法。
94.下面结合说明书附图，对本发明的具体实现原理进行详细说明：
95.本发明提出的一种基于神经网络的条纹运动检测及位移测量方法，应用于各类离面位移测量工作中，具体实现原理可以划分为：
96.a、根据光学原理对于反射面干涉条纹和漫反射干涉条纹的光强等特征进行了梳理，以便于后续的实验设计和进行。
97.b、设计了一个离面位移测量系统，分别就反射面干涉和漫反射面干涉设计了实验流程。
98.c、进行实验，在将位移端m2进行平移之后，对移动过后的干涉条纹的图像和中心子区灰度矩阵进行获取，将获取到的任意时刻干涉图子区与初始时刻干涉图子区(图像中心处600
×
600像素)的归一化卷积值conv作为相似程度的参考值。
99.d、采用反向传播神经网络(bp)识别一个周期内的离面位移的大小。
100.e、将位移方向的判断看作图像识别中的二分类问题，采用卷积神经网络(cnn)对其进行学习和判断。
101.所述步骤(a)中，梳理了反射面干涉条纹和漫反射干涉条纹的光学原理和特征。具体如下：
102.1)反射面干涉条纹形成原理
103.当满足频率相同，振动方向相同，相位差稳定条件的两束光波在空间相遇时发生叠加，引起光强重新稳定不均匀分布，出现明暗相间或者彩色的条纹的现象称为干涉。作为一种电磁波的光波可以描述为：
[0104][0105]
这里，是电场矢量，是电场复振幅；是磁场矢量，是磁场复振幅，w，分别代表了角速度和初始位相，p代表空间中的任意位置。而本文所谈及的光扰动皆受光波中电场的影响，因此讨论的是电场矢量的振动，即某一时刻的光矢量仅表示为：
[0106][0107]
当光沿某一方向传播时，其平面单色光波的标量波函数可表示为：
[0108][0109]
其中，r，k分别代表了传播距离和波数，为初始位相。当两束振动方向相同的光波在空间传播：
[0110][0111][0112]
采用复振幅法表示为：
[0113][0114][0115]
当发生相遇叠加时，叠加后的光强如下：
[0116][0117]
令代表了两束光在p点的相位差，根据光强可变换为：
[0118]
i(p)＝e
102
(p) e
202
(p) 2e
10e20
cosθ(p)
[0119]
其中,e
102
(p)，e
202
(p)分别代表了两光波在p点的光强。因此两束相干光的叠加引起了并非简单地光强相加，而多了一项2
10e20
cosθ(p)，其中θ(p)与点光源的传播距离与初始位相有关。
[0120]
此时当
[0121]
θ(p)＝2nπ(n＝0，
±
1，
±2…
)
[0122]
光强取极大值，两个矢量振动步调一致，完全叠加，相互加强，强度为：
[0123]
i(p)＝e
102
(p) e
202
(p) 2e
10e20
＝(e
10
e
20
)2[0124]
而当
[0125]
θ(p)＝(2n 1)π(n＝0，
±
1，
±2…
)
[0126]
光强取极小值，振动步调完全相反，相互削弱，此时强度为：
[0127]
i(p)＝e
102
(p) e
202
(p)-2e
10e20
＝(e
10-e
20
)2[0128]
因此通过计算可以得到重叠区域空间点的光强大小。在接收端满足相干条件的两束光发生干涉，形成明暗相间的干涉条纹，并被ccd所记录。此时干涉条纹的形态，即重叠区域每个点的光强大小由各自的光程差所决定。
[0129]
2)漫反射干涉条纹形成原理
[0130]
考虑到被测物为漫反射表面时，将m2，m3更换为毛玻璃，其他光路元件不变，如图2所示，调整ccd位置同时对m2，m3表面散斑场成像，此时漫反射散斑场相互叠加。图2中laser代表激光器；dis代表待求离面位移；m2(object)代表毛玻璃；bs代表半透半反镜；sf代表空间滤波器；lens代表棱镜；compensation代表补偿端位移；m3代表毛玻璃；ccd代表相机；
[0131]
激光照射在漫反射物体表面，在其表面以及前方空间由于干涉形成的随机分布的明暗斑点被称为激光散斑，激光散斑可描述为：
[0132][0133]
其中ξ，a，分别代表了复振幅，振幅和相位。ξ也可以表示为
[0134][0135]
在电子散斑干涉(espi)实验中，通过将不同时刻的散斑场相减也可以得到明暗相间的干涉条纹，此时的干涉条纹的数学表示为：
[0136][0137]
其中，i
a-ib代表了不同时刻a，b的散斑场光强相减，而z1，z2代表了迈克尔逊干涉仪两端m2，m3(在ccd上同一位置成像)。
[0138]
由于可得到：
[0139][0139][0140]
当观察位置两个时刻散斑图相关，即上式可以改写为
[0141][0142]
其中分别代表了散斑干涉图在不同时刻(位移前后)的位相变化，代表干涉散斑图位相变化之差，为慢变项，而
是快变项，因此上式表明散斑(快变项)会受到条纹(慢变项)的调制。
[0143]
当像素点位相满足(m＝0,
±
1,
±2…
)；即位移引起的位相变化刚好是2π的整数倍时
[0144][0145]
因此这些像素点在不同时刻(位移前后)光强未发生改变，被称为暗点。
[0146]
由以上分析可知，当没有位移发生时，相减后的干涉散斑图将会全是暗点，当位移发生时，光强会发生改变，出现明暗相间的斑点。但是仅从明暗变化的干涉场中难以提取准确的位移大小和方向，因此此处引入载波条纹，借助发生位移时载波条纹的移动来判断位移的大小和方向，引入载波条纹之后的干涉场的光强如下：
[0147][0148]
其中，代表了载波条纹位相。因此在漫反射面干涉测量系统引入载波条纹，并实时将此时的散斑场与原始散斑场相减后的图像显示在编写软件的图片显示界面，图像的载波条纹上每一点的光强由对应像素点的位移决定。
[0149]
所述步骤(b)中，设计了一个单点离面位移测量系统，如图3所示。图3中，laser代表激光器；sf代表空间滤波器；dis代表待测离面位移；m2(object)代表反射镜；lens代表棱镜；bs代表半透半反镜；compensation代表补偿端位移；m3代表反射镜；ccd代表相机。
[0150]
测量系统由迈克尔逊干涉仪，压电陶瓷(pzt)纳米平动台，ccd相机，计算设备构成。如图3所示，一束激光经过分光棱镜分成两路，位移端光路经反射镜m2返回，参考端光路经反射镜m3返回，反射镜m3耦合在pzt纳米平动台上(型号为芯明天，量程为210微米)。考虑到被测物体为镜面时，将反射镜m2作为被测物体，并将其耦合在纳米平动台上(型号为pi:p-622.1cl，量程为800微米，定位精度为10纳米)。两路光经过分光棱镜bs相合被接收端ccd所记录。
[0151]
所述步骤(c)中，进行实验，在将位移端m2进行平移之后，对移动过后的干涉条纹的图像和中心子区灰度矩阵进行获取，将任意时刻干涉图子区与初始时刻干涉图子区(图像中心处600
×
600像素)的归一化卷积值conv作为相似程度的参考值：
[0152]
因m2仅发生沿光轴方向的平移，条纹出现移动，条纹间距和角度未发生变化，即仅位相发生改变。当未发生平移时，条纹状态未发生改变，任意时刻的干涉图和初始时刻的干涉图保持一致，相似程度最大，在半个周期内，随着位移逐渐增大，相似程度逐渐减小，因此将任意时刻干涉图子区与初始时刻干涉图子区(图像中心处600
×
600像素)的归一化卷积值conv作为相似程度的参考值，定义如下：
[0153][0154]
这里m代表了子区内总的像素数，分别代表了当前状态和初始状态干涉条纹图的每个像素点的灰度值。
[0155]
图4给出了归一化卷积值与位移的关系，可见一个周期内归一化卷积值具有对称性，当条纹移动半个周期，卷积值最小，当条纹移动一个周期，卷积值恢复为最大值。因此可以根据归一化卷积值与位移之间的非线性映射关系来给出准确的追踪位移，从而得到任意
时刻被测物m2的位移，避免了复杂的位相计算。同样，在一个周期内，根据条纹图中心子区的灰度矩阵将条纹图划分为两个状态，向左移动半个周期内和向右移动半个周期内，将位移方向判断问题转化为图像识别问题。
[0156]
所述步骤(d)中，采用反向传播神经网络(bp)识别一个周期内的离面位移的大小。
[0157]
通用逼近理论表明一个3层的感知机神经网络能够以任意精度逼近一个多维连续的非线性函数。本文采用五层bp神经网络来逼近归一化卷积值与位移之间的非线性映射关系。如图5所示，输入层含有一个神经元，对应着输入的归一化卷积值，三层隐含层含有的神经元数分别为100，200，200，输出层含有一个神经元，对应着输出的位移值。相邻两层之间完全连接。连接参数权重初始值为高斯分布的随机数，偏置项初始值为常数。考虑到问题的本质为回归问题，将均方误差(mse值)作为网络的损失函数。
[0158]
对于迈克尔逊干涉仪，被测物移动半个波长，条纹移动一个周期。本实验采用氦氖激光器，激光波长为632.8nm，因此条纹移动一个周期对应着被测物位移316.4nm。在半个周期内，位移越大，卷积值越小。将被测物每次移动10nm，直至移动158.2nm(1/4波长)，计算每个时刻的干涉图和初始时刻的干涉图的归一化卷积值，并将其作为bp神经网络的输入值，将对应的已知位移量作为网络的输出值进行网络训练，训练的过程中设置学习率为0.001。
[0159]
所述步骤(e)中，将位移方向的判断看作图像识别中的二分类问题，采用卷积神经网络(cnn)对其进行学习和判断。
[0160]
如图6所示，本文采用的卷积神经网络含有三个卷积层，三个池化层，一个全连接层和一个softmax函数层。将干涉图子区(大小为600
×
600像素)作为网络的输入值，经过第一个卷积层时，卷积核尺寸为(3，3，1，32)，图像变为600
×
600
×
32尺寸的三维矩阵，再经过一个最大池化层，长宽方向的步长都为2，矩阵尺寸变为300
×
300
×
32。继而经过第二个卷积层，卷积核尺寸为(3，3，32，64)，图像变为300
×
300
×
64尺寸的三维矩阵，经过一个长宽方向步长都为2的最大池化层，矩阵尺寸变为150
×
150
×
64。第三个卷积层的卷积核尺寸为(3，3，64，64)，图像变为300
×
300
×
64尺寸的三维矩阵，同样，经过最大池化层后，尺寸缩减为75
×
75
×
64。然后经过一个神经元个数为1000的全连接层和一个softmax函数层，最终经过神经元个数为2的输出层，输出为概率分布，分别代表了向左和向右的概率大小，最终位移的方向根据概率值大的一方给出。在层层卷积后，干涉图样的特征被逐步提取和组合，最终提取到的特征根据一定的分类器规则进行分类。将交叉熵作为网络的损失函数，对图像的位移方向进行识别。
[0161]
综上所述，本发明提出了一种基于神经网络的条纹运动检测方法以实现位移补偿测量，做到了兼顾高分辨率、大量程和实时性的离面位移测量。与传统的离面位移测量方法相比，该方法能够兼顾多项指标，如高分辨率、大范围和实时性，同时通过神经网络的方法进行机器处理，提高了整体测量效率。
[0162]
为验证此追踪测量算法的有效性，本发明实施例分别进行了反射面干涉实验和漫反射面干涉实验。
[0163]
(1)反射面干涉实验
[0164]
本实施例采用基于迈克尔逊干涉搭建的反射面干涉实验系统，光源采用氦氖激光器(hnl210l)，一束激光从氦氖激光器射出，经空间滤波器后扩束为一组平行光，经半透半反镜分成两束，分别经过反射镜后汇聚在ccd靶面。被测端的离面位移由纳米平动台提供，
施加于被测端反射镜，补偿端的补偿位移由pzt纳米平动台提供，施加于补偿端反射镜。ccd端数字信号被实时传到计算设备中，以实时监测干涉条纹的移动大小和方向，一旦检测到跟踪位移大于设定的阈值(本文为10nm)，触发跟踪指令，使得干涉图像始终保持不变。本实验所用的ccd工业相机来自basler公司，型号为basler-ace 1600-20gm(分辨率为1600
×
1200像素，最大帧率为20frame/s)。计算机cpu为intel i5-4460，显卡型号为geforce gtx 1080。追踪算法包括位移大小和方向的判断以及发送指令促动pzt纳米平动台都采用python语言编写。
[0165]
考虑到跟踪端pzt纳米平动台量程为210微米，设置被测端每次平动位移为40nm，重复5000次，间隔时间为400ms。
[0166]
(2)漫反射面干涉实验
[0167]
本实施例基于迈克尔逊干涉搭建的漫反射面干涉实验系统，被测端和追踪端将反射镜更换为毛玻璃，调整接收端ccd相机的焦距，对毛玻璃表面成像，使得漫反射干涉散斑场相互叠加，在计算机软件端实时显示当前叠加散斑场和初始叠加散斑场相减后的图像，施加载波后，出现明暗相间的条纹。位移端发生平动后，载波条纹发生移动。同样软件实时监测载波条纹的移动大小和方向，一旦检测到跟踪位移大于设定的阈值(本文为10nm)，触发跟踪指令，使得图像始终保持不变。同样设置被测端每次平动位移为40nm，重复5000次，间隔时间为400ms。
[0168]
实验中难以保证补偿端和被测端光轴完全垂直，因此引入一个修正系数k来修正补偿端位移和被测端位移之间的误差。修正系数k可通过实验装置摆放位置的几何关系理论推导或者是标定实验得到。本文采用标定实验得到，两个系统分别进行五组标定实验，计算已知被测端位移和补偿端计算得到的追踪位移的比值，求取平均值即得到修正系数k。漫反射面干涉实验系统计算得到的k值为0.954，反射面干涉实验系统k值为0.912。
[0169]
实验设置的每两次平动的时间间隔为400ms，平动重复5000次。根据实验结果，补偿测量位移曲线与真实位移曲线吻合良好。设备的测量分辨率取决于预先设置的位移阈值。当检测到的位移大于10nm时，pzt纳米平动台被促动，使条纹图案恢复到初始状态。当位移小于10nm时，视作状态未发生改变。当波动在10nm左右，与测量分辨率相对应，且波动保持稳定，不随位移的增加而增加。因为每一步的补偿位移计算都是与初始条纹状态作对比，上一步的残余误差能在下一步补偿追踪中得到弥补，因此不存在累计误差。当误差位移的误差维持在10nm左右，验证了跟踪过程的有效性。反射面干涉实验和漫反射面干涉实验的误差都受到背景噪声的影响，包括环境振动、空气扰动、温度波动和随机ccd噪声。
[0170]
表1给出了反射面干涉实验和漫反射面干涉实验过程中的追踪测量位移和真实位移的数据对比。可见相对误差小于0.5％。可见针对反射表面物体和漫反射表面物体，本系统都可以在pzt装置的最大行程内(本系统为210微米)实现精确的跟踪测量。如果物体的位移继续增大，反射面干涉系统仍然有效，而漫反射面干涉系统会发生退相关，此时可以通过分段测量实现更大范围的测量，但是会引入误差累积。
[0171]
表1
[0172][0173]
表2给出了每一步的跟踪耗时情况，其中设置的程序等时为200ms,包括纳米平动台移动所需时间、pzt驱动时间、模式稳定时间和图像采集所需时间。而位移大小的平均计算时间和位移方向的平均判断时间之和小于200ms，可见本追踪测量算法能够实现实时追踪测量。
[0174]
表2
[0175]
耗时(ms)位移方向判断位移大小计算程序等待时间漫反射面10563200反射面12355200
[0176]
该测量系统的分辨率决定于设置的位移阈值，当被测物位移大于所设置的阈值时，补偿条件被触发，此时条纹回到初始位置，补偿位移被记录。但位移阈值又受限于背景噪声，包括环境振动、空气扰动、温度波动和随机ccd噪声，过大的噪声会影响到位移计算的准确度，甚至造成位移计算错误。因此通过有效的噪声抑制可以进一步提高分辨率。
[0177]
本系统的最大测量量程只有210μm，受限于pzt纳米平动台的最大行程，因此可以通过更换行程更大的纳米平动台来增大测量量程。本系统每次跟踪耗时大约为400ms，其中包括纳米平移平台移动所需时间、位移大小和方向计算所需时间、pzt驱动时间、模式稳定时间和图像采集时间。通过使用更高帧率(这里使用的是20帧每秒)的ccd相机可以有效减少图像采集时间。通过使用具有更快驱动响应的pzt器件可以减少条纹稳定时间。通过改进计算机硬件配置，包括cpu和gpu，可以有效减少计算时间。
[0178]
该补偿算法通过累计每次的补偿位移来实现离面位移测量，利用神经网络处理干涉条纹图，并输出补偿位移大小和方向，避免了精确的相位计算，在一定程度上克服了噪声的影响。
[0179]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提
到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0180]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0181]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0182]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0183]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0184]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场
可编程门阵列(fpga)等。
[0185]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0186]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0187]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。