带有1D-1D出瞳扩展和真实光栅的光波导模拟

于 2024-08-08 14:41:06 发布
阅读量75 收藏 2
点赞数 1
文章标签： 计算机视觉 人工智能 python 嵌入式硬件 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Bonnie1985119/article/details/141026611
版权

摘要
 

随着增强与混合现实(AR&MR)领域新应用的发展，导光系统的应用越来越受到人们的关注。为了将光从光源引导到预定的眼箱，采用了分离的1D-1D扩展光瞳的结构，并结合了不同类型的表面刻蚀光栅。因此，在AR/MR器件的设计过程中，关于效率和均匀性的设计是主要挑战之一。在本案例中，我们将演示如何在VirtualLab Fusion中包含真实的光栅结构，从最初的光栅设计到在光导表面上的应用。


任务描述
 

系统构建-Light Guide Component
 

所显示的带有Light Guide Component的配置可以用布局设计工具生成，非常方便。关于这个主题的更多信息可以在（需要Light Guide Toolbox Gold）下找到：
 

Light Guide Layout Design Tool

 


 

系统构建-元件
 

在光栅专用光学装置的帮助下，可以详细研究各个光栅的特性。之后，可以将设计好的光栅加载到Light Guide Component的相应区域。更多信息请见以下用例：
 

Construct a Lightguide Component from Real Gratings

 



 



 


 

系统构建-通道配置
 

对于每个单独的光栅区域，可以配置特定的通道和衍射级次，在模拟所需的光导过程中考虑。


 



 



总结-元件…

 



 



......

Bonnie1985119
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1D-CNN_1D-CNN_1DCNN_CNN_CNN-_CNN时间序列_
10-01
一维卷积神经网络（1D-CNN）是一种在时间序列数据处理中广泛应用的深度学习模型。1D-CNN的设计灵感来源于二维卷积神经网络（2D-CNN），但其核心区别在于，1D-CNN的卷积核仅在单个维度上滑动，非常适合处理一维序列...
1D-Bin-Packing_1D-Bin-Packing_C++_
09-28
一维装箱问题（1D-Bin-Packing）是一个经典的优化问题，在计算机科学和物流管理等领域广泛应用。它的目标是将一组具有不同大小的物品分配到有限数量的容器（箱子）中，使得每个箱子的容量得到最有效的利用。在这个...
1D-Phononic crystal_transmission_1D-Phononiccrystal_PWE_COMSOL晶体
10-01
一维声子晶体（1D-Phononic Crystal）是一种具有周期性结构的材料，它在声学领域中具有重要研究价值。这种晶体通过精心设计的几何排列来操控声波的传播，类似于光子晶体对光波的控制。在本项目中，我们关注的是其...
CNN0926_一维卷积_matlab1D-CNN
09-11
在本文中，我们将深入探讨一维卷积神经网络（1D Convolutional Neural Networks, 或 1D CNN）以及如何使用MATLAB实现1D-CNN的基本网络结构。1D CNN是一种深度学习模型，专用于处理一维数据，如时间序列、音频信号或...
基于Keras的CNN-1D-RNN-CTC语音识别系统设计源码
04-15
基于Keras的CNN-1D-RNN-CTC语音识别系统设计源码，该项目包含31个文件，主要文件类型有26个python源文件，以及1个gitignore文件用于版本控制。此外，还包括1个LICENSE许可文件，1个Markdown文档用于项目说明，以及1...
OpenCV库学习之cv2.VideoCapture.read()函数
qq_46396470的博客
08-05 490
是 OpenCV 库中用于从视频捕获设备或视频文件中读取下一帧的函数。如果成功读取帧，函数返回True，否则返回False。
举例说明计算机视觉（CV）技术的优势和挑战
lw的博客
08-04 232
综上所述，CV技术在自动化、大规模数据处理、实时性等方面具有明显的优势，但也面临着复杂性、数据质量、隐私和伦理问题以及智能性和灵活性等挑战。自动化：CV技术可以自动处理大量的图像和视频数据，从而提高工作效率和准确性。目前的CV系统大多是基于特定场景和任务进行设计和优化的，对于复杂场景和多样化任务的处理能力还有待提高。隐私和伦理问题：CV技术在一些领域，如监控、人脸识别等应用中，可能涉及到个人隐私和伦理问题。大规模数据处理：CV技术可以处理大规模的图像和视频数据，从中提取有用的信息和模式。
目标检测——GDXray数据集转为YOLO格式
张飞飞的博客
08-04 455
GDXray数据集转换为YOLO格式
目标跟踪那些事
xiaoxu的博客
08-04 901
目标跟踪和目标检测是计算机视觉中的两个重要概念，但它们的目的和方法是不同的。目标检测(object Detection)：是指在图像或视频帧中识别并定位一个或多个感兴趣的目标对象的过程。目标跟踪(object Tracking)：是指在连续地监测和定位一个或多个的过程。区别：跟踪与检测的区别Input：视频序列。
【视觉SLAM】 十四讲ch7习题
weixin_68880273的博客
08-05 861
本文主要内容是《视觉SLAM十四讲》（第二版）第7章的习题解答，并介绍了在解答习题中的一下思考和总结的经验。除ORB特征点外还存在大量优秀的特征点，例如：SIFT (Scale-Invariant Feature Transform)：对尺度和旋转不变，能够在不同的图像变换中识别关键点。SURF (Speeded-Up Robust Features):比SIFT更快，具有良好的旋转和尺度不变性。
Yolov8在RK3588上进行自定义目标检测(三)
Xiao_Ya__的博客
08-04 465
Yolov8在RK3588上进行自定义目标检测(三)
【目标检测实验系列】YOLOv5高效涨点：基于NAMAttention规范化注意力模块，调整权重因子关注有效特征(文内附源码)
弗兰-随风小欢的博客
08-04 1031
本篇博客主要介绍了规范化注意力机制NAM，通过惩罚机制，降低不显著特征，助力YOLOv5模型涨点。另外，在修改过程中，要是有任何问题，评论区交流；
YOLO 目标检测编程详解
qq_42072014的博客
08-04 747
YOLO 算法的核心思想是将目标检测视为回归问题，而不是传统的分类加定位的两阶段方法。YOLO 将输入图像分割成多个网格单元，并预测每个网格单元中对象的存在概率和边界框的位置。
CV目标检测概述
橘猫的博客
08-07 77
目标检测和图像分割是计算机视觉中的两个重要任务，它们有着不同的目的和应用。
＜数据集＞起重机识别数据集＜目标检测＞
qq_53332949的博客
08-04 294
YOLO与VOC格式的起重机识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量2984
Halcon 二维匹配
钢铁男儿
08-04 360
匹配：在训练图像中呈现一个所谓的模板。系统从这个模板中派生出一个模型，通过使用该模型来定位于搜索图像中的相似模板对象。此方法能够处理打光、杂乱、位置和旋转变换的图像。匹配优点：鲁棒性和灵活性。匹配不需要对目标进行任何形式的分割。通过某些匹配方法，即使对象与其他对象重叠，也可以定位对象。Halcon提供不同的匹配方法，选择哪种方法取决于图像和需要解决的问题。不同的匹配方法如下：基于相关性的匹配是根据灰度值和归一化的关系。
Yolov8在RK3588上进行自定义目标检测(四)
Xiao_Ya__的博客
08-04 434
Yolov8在RK3588上进行自定义目标检测(四)
【Sklearn学习】Sklearn的数据集介绍
最新发布
一条咸鱼
08-07 396
sklearn数据集的介绍，方便后面学习使用的对应的数据集。
jupyter下载
Einstein·Jun
08-06 445
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值