新闻详情

新闻详情

首页 / 资讯中心 / 详情

Optiland近轴光学

发布时间:2026/11/13 2:46:42来源:尧图网络
Optiland近轴光学
文章目录光轴对象光轴方法可视化光轴对象【Paraxial】是optiland中的光轴类不能单独存在必须绑定到一个具体的Optic光学系统上。以optiland示例的Petzval镜头为例可直接调取其光轴成员importmatplotlib.pyplotasplt plt.rcParams[font.sans-serif]Times New Romanfromoptiland.samples.objectivesimportPetzvalLens lensPetzvalLens()lens.draw()plt.show()type(lens.paraxial)# class optiland.paraxial.Paraxial光轴方法【Paraxial】类的本质作用就是在代码层面实现高斯光学的数学模型因此其内置了许多方法包括方法计算内容f1()前焦距Front Focal Length即物方主点到物方焦点的距离。f2()后焦距Back Focal Length也叫有效焦距(EFL)即像方主点到像方焦点的距离。F1()/F2()物方/像方焦点在系统中的位置。P1()物方主平面的位置这个位置通常是相对于系统的第一面Surface 1定义的。P2()像方主平面后主面 的位置。注意这个位置通常是相对于像面Image Surface定义的。N1() / N2()物方节点和像方节点的位置。在物像空间折射率相同如都在空气中的情况下节点与主点重合。EPD()入瞳直径Entrance Pupil Diameter。EPL()入瞳位置Entrance Pupil Location。XPL()出瞳位置Exit Pupil Location相对于像面。XPD()出瞳直径Exit Pupil Diameter。FNO()像方 F 数Image-space F-number如果系统定义了直接 F 数则直接返回。magnification()系统的横向放大率Transverse Magnification。invariant()拉格朗日不变量Lagrange Invariant可视化下面将近轴光学中部分重要参数在图像中绘制出来代码如下fig,axlens.draw(num_rays3)# 获取paraxial属性plens.paraxial# 获取表面位置z1lens.surfaces.positions[1,0]# 第一表面位置zImglens.surfaces.positions[-1,0]# 像面位置F1_globalz1p.F1()# 物方焦点F2_globalzImgp.F2()# 像方焦点P1_globalz1p.P1()# 物方主面P2_globalzImgp.P2()# 像方主面EPL_globalz1p.EPL()# 入瞳位置XPL_globalzImgp.XPL()# 出瞳位置ax.axvline(F1_global,colorred,linestyle--,linewidth1.5,labelF1 (Object Focus))ax.axvline(F2_global,colorblue,linestyle--,linewidth1.5,labelF2 (Image Focus))ax.axvline(P1_global,colorred,linestyle:,linewidth2,labelP1 (Object Principal))ax.axvline(P2_global,colorblue,linestyle:,linewidth2,labelP2 (Image Principal))ax.axvline(EPL_global,colorgreen,linestyle-.,linewidth1.5,labelfEP (Entrance Pupil))ax.axvline(XPL_global,colorgreen,linestyle-.,linewidth1.5,labelfXP (Exit Pupil))# 添加图例和标题ax.legend(locupper left)plt.tight_layout()plt.show()
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉