高精度彩色3D相机:开启崭新的彩色3D成像时代

3D成像的新时代

近年来,机器人技术的快速发展促使对3D相机技术的需求不断增加,原因在于,相机在提高机器人的性能和实现多种功能方面发挥了决定性作用。然而,其中许多应用所需的解决方案更复杂,仅提供环境的深度信息是远远不够的。颜色区分机器学习等高级图像处理技术需要其他基本数据,为满足这一要求,之前需要通过增加2D相机来实现。

友思特全新紧凑型 VST Ensenso C相机系统,集众多功能和特色于一身,可以更准确高效地捕捉和解析3D数据

3D相机系统将提高机器人和自主系统的能力,拓宽多功能精确应用领域的使用范围。要实现这一点,3D相机技术必须跟上新的市场要求,这并不需要技术革命。不过,当前的系统很少能够在集合多个组件的同时还能易于操作和集成,这使得应用开发方式往往复杂且成本高昂。即便系统更为复杂,但是只有方便易用才更具实用价值。

预组装方式便于快速调试

一类设备可以完全定制,一类设备则是方便易用的标准设备,它们之间的主要区别在于可配置性和灵活性,以及设置和调试的工作量。如何选择取决于个人需求和应用场景。完全可定制的设备更加自由灵活,但也需要更多的技术专业知识并会耗费更多调试时间。与之相反,标准设备易于使用,只需少量调整工作就能完成具体任务。

在发布全新C系列后,这两种设备与高度灵活的X系列一起,丰富了VST Ensenso家族的高端相机阵营。您可以使用VST Ensenso相机选型器为具体应用选择合适的标准型号,立即投入使用。

图片

紧凑型VST Ensenso C相机系统 可预装各种立体基线

集成2D彩色图像的3D

VST Ensenso立体测量方法的一个优点是,通过SDK始终可以获得立体相机的2D图像。因此,SDK不仅可以提供深度信息,还可以持续为进一步分析图像提供基本数据,这样就不必再为应用增加2D相机。

因此,2D图像数据不仅可以作为纹理叠加在3D点云上来改进3D图像,而且还可以实现识别对象边缘以及在图像中读取代码等功能。通过这种方式,系统不仅可以实现对象的三维检测,方便机器人进行抓取,而且可以精确识别对象,从而进行精细处理。

VST Ensenso C系列现在专门配备了完全集成的RGB相机,因此还可以访问同一场景的2D彩色图像。这样就可以应对不仅需要3D点云还需要彩色图像的任务,扩展了相机的应用范围。例如,对于AI图像分析任务,彩色图像通常被用作基本数据,相机很适合这类任务。

图片

VST Ensenso C 专门配备了一台集成2D彩色相机

为读取包裹代码等图像处理任务提供基本数据

紧凑且完全集成

如果一项应用需要使用和分析多个特征或基本数据,通常有两种实现方式:一种是,整个任务所需的所有传感器或组件都可以作为独立设备进行操作。这样做的优势是每个模块化单元的选择和维护非常灵活,缺点是在一个应用中集成和同步多个设备的技术要求高,需要更多专业知识。

另一种方式则是采用全新VST Ensenso C这类完全集成的设备,它们将所有组件封装在一个安全的封闭外壳中。也就是说,工厂会优化匹配立体相机、图案生成器、2D彩色相机和灯光,用户可以通过通用设备软件 VST Ensenso SDK 调整和访问系统。尽管应用越来越复杂,但这种3D相机系统非常紧凑,可以适应机器人和其他自主系统空间有限的状况。

远距离大视野3D传感器

对于目标距离长达5米的应用,3D相机系统的组件必须经过优化设计并能相互协同,从而获得深度值的高Z精度。在像 VST Ensenso C 这样的立体测量系统中,长基线(两个立体相机之间的距离)可以非常精确和稳定地对各目标点进行三角测量。相机还拥有5MP 高分辨率,可以非常详细地扫描对象结构。对于完整的点云,即使物体表面纹理少,只有几个突出像素,VST Ensenso C相机也可以依赖强大的 200W LED图案生成器,确保在5米的距离创造高对比度表面。此外,相机机械结构刚性强,散热经过优化设计,可以在很远距离仍然能保持深度值的低偏差特性(在1m的距离处偏差仅为0.1mm)。

图片

VST Ensenso C 在200 W功率强大投影仪的支持下

将高对比度纹理投影到待成像对象上

实时3D点云图像展示

附加的RGB传感器生成纹理数据,使用颜色信息补充3D点云,从而确保逼真的3D展示。这使得在后续处理中更容易区分有色物体。

友思特3D相机-彩色点云示例

小结

VST Ensenso C 3D相机可以为应用提供高级图像处理功能所需的基本数据。随着VST Ensenso C推出,IDS在3D相机技术方面迈出重要一步。这款3D相机系统尽管外壳尺寸小巧,却集中了 VST Ensenso 在3D视觉环境中的所有优势,尤其适合对精度要求高的高端领域的大规模应用。VST Ensenso C系列的众多型号操作和调试都非常简单,成为三维图像处理的重要工具。

产品简介:VST Ensenso C 3D相机

图片

产品方案特点

  • 5m超长检测工作距离

  • 高达0.1mm精度@1m

  • 200w大功率投影仪

  • 动静态场景下实时3D成像

  • 内部集成2D RGB传感器捕获彩色图像

  • 小巧紧凑坚固耐用

  • IP65/67工业级

一台相机  众多应用

检测和识别

移动物体的自动空间检测和抓取在许多应用中提高了生产力。高亮度投影仪还确保了单次拍摄图像的高图案对比度,从而生成用于对象处理的强大详细3D数据。

图片

料箱取件

所应用的3D相机的功能影响机器人成功检测、拾取和放置零件的能力。Ensenso C通过集成RGB传感器扩展了这些功能,适合有颜色需求的应用。

图片

(去)托盘化

任意包装箱和货物的自动码垛工作在物流应用中仍然是一个挑战。即使各种货物密密麻麻堆放在一起,且距离较远,Ensenso C也能够可靠检测物体的大小、旋转和实际位置。

图片

测试和测量

在大体积应用中,从更远距离对物体质量参数进行非接触式测量和检查需要很高可再现3D分辨率。相机的长基线和强大的图案投影仪确保即使在5米的工作距离内也能以毫米精度实现出色特征识别。

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/237240.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SQL语句案例

1、按平均成绩从高到低显示所有学生的所有课程的成绩以及平均成绩 分析: 平均 avg---GROUP BY分组 从高到低--ORDER BY 所有学生的所有课程的成绩---行转列 所有学生----外联(所有)----RIGHT JOIN右联 SELECT s.sid, s.sname , 不…

linux 如何创建文件

我们在写一些教程的时候,经常会需要创建一些用于演示的文档,这些文档往往需要填充一些不特定的内容。那么如何快速的创建演示用的文档呢? docfaker.py docfaker.py是一个py脚本,用于创建一个简单的txt文档,docfaker.…

简单工厂模式、工厂方法、抽象工厂模式

下面例子中鼠标,键盘,耳麦为产品,惠普,戴尔为工厂。 简单工厂模式 简单工厂模式不是 23 种里的一种,简而言之,就是有一个专门生产某个产品的类。 比如下图中的鼠标工厂,专业生产鼠标&#xf…

基于springboot+vue2的课程教学考试系统(Java毕业设计)

大家好,我是DeBug,很高兴你能来阅读!作为一名热爱编程的程序员,我希望通过这些教学笔记与大家分享我的编程经验和知识。在这里,我将会结合实际项目经验,分享编程技巧、最佳实践以及解决问题的方法。无论你是…

[情商-11]:人际交流的心理架构与需求层次模型

目录 前言: 一、心理架构 1.1 个体生理层 1.2 个体心理层 1.3 点对点人际交流层 1.4 社会网络层 1.5 社会价值层 二、人的需求层次模型 2.1 需求(欲望)层次模型 2.2 基因与人需求之间的关系 2.3 个体生理需求 2.4 个体的心理需求…

Unity——VContainer的依赖注入

一、IOC控制反转和DI依赖倒置 1、IOC框架核心原理是依赖倒置原则 C#设计模式的六大原则 使用这种思想方式,可以让我们无需关心对象的生成方式,只需要告诉容器我需要的对象即可,而告诉容器我需要对象的方式就叫做DI(依赖注入&…

leetcode刷题记录18(2023-08-29)【最短无序连续子数组(单调栈) | 合并二叉树(dfs) | 任务调度器(桶) | 回文子串(二维dp)】

581. 最短无序连续子数组 给你一个整数数组 nums ,你需要找出一个 连续子数组 ,如果对这个子数组进行升序排序,那么整个数组都会变为升序排序。 请你找出符合题意的 最短 子数组,并输出它的长度。 示例 1: 输入&am…

IT从业人员如何养生?

目前,电脑对人体生理和心理方面的负面影响已日益受到人们的重视。为此科学使用电脑,减少电脑和网络的危害是十分必要的。好代码网总结了一些it从业人员的保健知识,分享给大家。 一是要增强自我保健意识 工作间隙注意适当休息,一般…

试用 Coroot,一个基于 eBPF 的可观测性工具,用于 Kubernetes 等

在本文中,我们将介绍 Coroot,这是一个使用 eBPF 技术构建的开源工具,旨在用于 Kubernetes 或基于 Docker/containerd 的环境,甚至是非容器化应用程序。Coroot 收集和分析遥测数据(指标、日志、跟踪和配置文件&#xff…

遥感影像-语义分割数据集:高分卫星-云数据集详细介绍及训练样本处理流程

原始数据集详情 简介:该云数据集包括RGB三通道的高分辨率图像,包含高分一、高分二及宽幅数据集。 KeyValue卫星类型高分系列覆盖区域未知场景未知分辨率1m、2m、8m数量12000单张尺寸1024*1024原始影像位深8位标签图片位深8位原始影像通道数三通道标签图…

Backtrader 文档学习-Strategy with Signals

Backtrader 文档学习-Strategy with Signals backtrader可以不通过重写策略的方式触发交易,尽管重写策略是首选通用的方式。 下面介绍通过使用信号也是可以实现交易触发的。 1.定义signal import backtrader as btdata bt.feeds.OneOfTheFeeds(datanamemydatana…

HarmonyOS应用开发学习笔记 UIAbility组件与UI的数据同步 EventHub、globalThis

1、 HarmoryOS Ability页面的生命周期 2、 Component自定义组件 3、HarmonyOS 应用开发学习笔记 ets组件生命周期 4、HarmonyOS 应用开发学习笔记 ets组件样式定义 Styles装饰器:定义组件重用样式 Extend装饰器:定义扩展组件样式 5、HarmonyOS 应用开发…

Netty-Netty组件了解

EventLoop 和 EventLoopGroup 回想一下我们在 NIO 中是如何处理我们关心的事件的?在一个 while 循环中 select 出事 件,然后依次处理每种事件。我们可以把它称为事件循环,这就是 EventLoop 。 interface io.netty.channel. EventLoo…

权值初始化

一、梯度消失与爆炸 在神经网络中,梯度消失和梯度爆炸是训练过程中常见的问题。 梯度消失指的是在反向传播过程中,梯度逐渐变小,导致较远处的层对参数的更新影响较小甚至无法更新。这通常发生在深层网络中,特别是使用某些激活函…

TDengine 签约西电电力

近年来,随着云计算和物联网技术的迅猛发展,传统电力行业正朝着数字化、信息化和智能化的大趋势迈进。在传统业务基础上,电力行业构建了信息网络、通信网络和能源网络,致力于实现发电、输电、变电、配电和用电的实时智能联动。在这…

用C#实现简单的线性回归

前言 最近注意到了NumSharp,想学习一下,最好的学习方式就是去实践,因此从github上找了一个用python实现的简单线性回归代码,然后基于NumSharp用C#进行了改写。 NumSharp简介 NumSharp(NumPy for C#)是一…

[redis] redis主从复制,哨兵模式和集群

一、redis的高可用 1.1 redis高可用的概念 在web服务器中,高可用是指服务器可以正常访问的时间,衡量的标准是在多长时间内可以提供正常服务(99.9%、99.99%、99.999%等等)。 高可用的计算公式是1-(宕机时间)/(宕机时…

leetcode17 电话号码的字母组合

方法1 if-else方法 if-else方法的思路及其简单粗暴,如下图所示,以数字234为例,数字2所对应的字母是abc,数字3所对应的是def,数字4所对应的是ghi,最后所产生的结果就类似于我们中学所学过的树状图一样&…

opencv-4.8.0编译及使用

1 编译 opencv的编译总体来说比较简单,但必须记住一点:opencv的版本必须和opencv_contrib的版本保持一致。例如opencv使用4.8.0,opencv_contrib也必须使用4.8.0。 进入opencv和opencv_contrib的github页面后,默认看到的是git分支&…

浅析三种Anaconda虚拟环境创建方式和第三方包的安装

目录 引言 一、Anaconda虚拟环境创建方式 1. 使用conda命令创建虚拟环境 2. 使用conda-forge创建虚拟环境 3. 使用Miniconda创建虚拟环境 二、第三方包的安装和管理 1. 使用 pip 安装包: 2. 使用 conda 安装包: 三、结论与建议 引言 在当今的数…