机器视觉——硬件选型

1、相机选型

在选择机器视觉相机时,通常需要考虑以下几个方面:

1、分辨率:相机的分辨率决定了其拍摄图像的清晰度和细节程度。根据具体的应用需求,可以选择适当的分辨率范围。
2、帧率:帧率表示相机每秒钟能够拍摄的图像帧数,对于一些快速运动的物体或需要实时处理的场景,高帧率的相机可能更为合适。
3、接口:相机的接口类型包括USB、GigE、Camera Link、CoaXPress等,需要根据实际情况选择合适的接口以便与其他设备连接和数据传输。
4、光学参数:包括镜头类型、焦距、光圈等,根据具体应用需要选择适当的光学参数。
5、高速成像能力:对于一些需要进行高速成像或快速检测的应用,需要选择具有高速成像能力的相机。
6、环境适应能力:一些特殊的工业环境可能对相机有特殊的要求,比如防尘防水、耐高温等能力。
7、支持的软件和平台:相机所支持的软件开发工具和平台也是选择的考量因素之一,这将影响到后续的图像处理和数据分析工作。

在这里插入图片描述
在这里插入图片描述
焦距: 指镜头光学后主点到焦点的距离。镜头焦距的长短决定着拍摄的工作距离、成像大小、视场角大小及景深大小。常用的FA镜头焦距为4mm、6mm、8mm、12mm、16mm、25mm、35mm、50mm、75mm等。
工作距离: 目标到镜头之间的距离
视场/视场角: 指镜头能观测到的实际范围的物理尺寸,可以用视场 “ 长x宽 ” 或者 ” 视场角 ”表示
放大倍率: 光学放大倍率用 ” β”表示
光圈: 控制镜头通光量的光学装置,光圈数一般用F值表示,常用值为1.4、2、2.8、4、5.6、8、11
光圈数F=焦距f/通光孔径d,F数越小,通光孔径越大,光圈越大

**最大支持靶面相机参数:**  指镜头能支持的最大清晰成像的范围。镜头的最大兼容CCD尺寸≥相机芯片的尺寸
靶面尺寸(靶面尺寸是指摄像机或相机传感器的有效成像区域的物理尺寸。)
1英寸——靶面尺寸为宽 12.8mm高 9.6mm
1.1英寸——靶面尺寸为宽 12mm
高 12mm
4/3 英寸——靶面尺寸为宽18.5mm高 13.5mm
1/4英寸——靶面尺寸为宽 2.4mm
高 3.2mm
1/3.6英寸——靶面尺寸为宽4mm高 3mm
1/3.2 英寸——靶面尺寸为宽4.54mm
高 3.42mm
1/3英寸——靶面尺寸为宽4.8mm高 3.6mm
1/2.5英寸——靶面尺寸为宽 5.76mm
高4.29mm
1/2.3 英寸——靶面尺寸为宽 6.16mm高4.62mm
1/2 英寸——靶面尺寸为宽6.4mm
高 4.8mm
1/1.8 英寸——靶面尺寸为宽 7.18mm高 5.32mm
1/1.7 英寸——靶面尺寸为宽 7.6mm
高 5.7mm
2/3 英寸——靶面尺寸为宽 8.8mm*高 6.6mm

检测精度

视野:
视觉系统视野要比实际产品稍大1/5
视觉精度:
理论视觉精度>实际精度 (一般实际精度对应3~5个像素)
计算公式:
单边视野/视觉精度=单边分辨率
相机芯片一般比例为3 : 4

相机选型案例

产品尺寸30mm * 20mm,公差大小±0.1mm,相机如何选择?
视觉精度=产品尺寸大小/10
视觉精度=0.1mm/10=0.01mm
相机视野要比产品尺寸稍大:35mm * 25mm
单边分辨率=35/0.01=3500 25/0.01=2500
3500 * 2500=875万像素 选择890万(4096 * 2160)即可

运动拍摄

拍摄场景:
飞拍(运动拍照),精准的体现出了全局曝光 的优势
**曝光方式:**全局曝光、考虑不产生拖影
计算公式:
曝光时间内,移动距离不超过一个像元尺寸
理论曝光时间Tmax=S像/V像

运动拍摄相机选型案例

产品运动速度为200mm/s,视觉精度为0.015mm,视野大小30mm * 20mm,6pc/s,相机该如何选择?
相机分辨率 = (30/0.015)*(20/0.015)=266.6万像素
每秒6pcs产品,相机帧率要大于6帧;
运动拍摄,理论曝光时间T<0.015/200=75us
综上,可选择320万(2048*1536)全局相机

计算公式总结:

  • 视觉精度 = 公差大小 / 10
  • 单边分辨率 = 视野的大小或产品尺寸(长或宽)/ 视觉精度(像素)/ 2(亚像素)
  • 选择的像素=单边分辨率(长)* 单边分辨率(宽)
  • 焦距(f)=工作距离(镜头到目标的距离 WD)* 芯片尺寸( CCD靶面型号的尺寸)/ 视场大小或者物体高度(FOV)
  • 光学放大倍数 = 芯片尺寸( CCD靶面型号的尺寸)/ 视场大小或者物体高度(FOV)
  • 系统放大倍率 = 芯片短边( CCD靶面型号的尺寸)/ 视野短边
  • 工作距离(WD)=焦距(f)* 芯片尺寸( CCD靶面型号的尺寸) / 视场大小或者物体高度(FOV)
  • 工作距离(WD)=焦距(f)/ 倍率
  • 视场大小或者物体高度(FOV)=工作距离(WD)* 芯片尺寸( CCD靶面型号的尺寸)/ 焦距(f)
  • 芯片尺寸(CCD靶面型号的尺寸) = 像元尺寸(长或宽)* 单边分辨率(长或宽)/ 1000(转mm)
  • 工作高度 = 焦距 / 倍率

2、工业镜头选型

镜头物理接口类型

镜头的接口尺寸是有国际标准的,共有三种接口型式,即F型、C型、CS型。F型接口是通用型接口,
一般适用于焦距大于25mm的镜头;而当镜头的焦距约小于25mm时,因镜头的尺寸不大,
便采用C型或CS型接口。

镜头参数

在这里插入图片描述
焦距(f) 焦距,是光学系统中衡量光的聚集或发散的度量方式,指从透镜的光心到光聚集之焦点的距离。亦是照相机中,从镜片中心到底片或CCD等成像平面的距离。
公式:
(焦距)f={工作距离/视野范围长边(或短边)}X CCD长(或短)
焦距大小的影响情况:焦距越小,景深越大; 焦距越小,畸变越大; 焦距越小,渐晕现象越严重,使像差边缘的照度降低。
在这里插入图片描述

工业镜头选型案例

案例分析:
已知条件:工业相机型号已经选择好,具体参数:工业相机芯片尺寸为2/3",C接口,5百万像素;
视野是100*100mm, 工作距离:500mm;

根据以上条件,我们来选择合适的工业镜头;
镜头接口: 首先工业镜头要和工业相机接口一致,所以这里也选择C接口;
镜头大小: 遵循镜头大小要大于相机的芯片大小,所以这里镜头尺寸最少支持2/3";
镜头分辨率: 镜头的分辨率要高于相机的分辨率,所以选择5百万像素以上;
焦距: 500(工作距离)× 8.8(芯片水平长度)/ 100(视野)=44mm;
镜头放大倍率: 8.8(芯片水平长度)/ 100=0.088

3、光源选型

  • 光的反射定律:反射光线与入射光线、法线在同一平面上,反射光线和入射光线分居在法线的两侧;反射角等于入射角。
  • 背光源的原理:利用光源发光,并通过液晶屏幕的控制,使得图像能够显示出来。
  • 同轴光原理:指在光学系统中,采用同一光轴传输的光线,以实现光学成像或光学效果的原理。在同轴光系统中,光线沿着同一轴线传输,减少了光线的散射和干扰,有利于提高成像质量和系统稳定性。
  • 非同轴漫射光原理:指在光学系统中,光线不沿着同一轴线传输,而是以散射的方式传播的原理。这种光线传输方式通常用于照明系统或投影系统中,其特点是能够实现均匀、柔和的光线分布。
  • 偏振光:是在振动方向上具有一定规律的光,其原理涉及到光波的振动方向和传播方向。光是一种电磁波,它的电场和磁场垂直于光的传播方向,并以横波的形式传播。当光波的电场振动方向被限制在特定方向上时,就产生了偏振光。
  • 红外光原理:红外光是一种波长介于可见光和微波之间的电磁辐射,波长范围通常为0.75微米到1000微米。红外光在光谱中处于可见光的下方,因此人眼无法直接看到红外光。红外光原理是基于物体的红外辐射特性和红外光与物质相互作用。
  • 紫外光原理:紫外光是指波长较短的紫外线辐射,波长范围大致在10纳米到400纳米之间。紫外光在光谱中处于可见光的上方,人眼无法直接看到紫外光。紫外光原理是基于物质对紫外辐射的吸收特性和紫外光与物质相互作用的原理,通过紫外光源和光学系统实现了对紫外光的产生、利用和应用。
  • 彩色原理:指人类视觉系统是如何感知和识别不同颜色的。彩色的感知是通过人眼中的视锥细胞来实现的,这些细胞对不同波长的光有不同的反应,从而使我们能够看到丰富多彩的世界。
  • 色环原理:指色彩空间中的一种表示方法,通常用于描述和组织颜色之间的关系。在色环中,颜色被排列在一个圆环或者圆柱状的空间中,以便更直观地展示不同颜色之间的相对位置和关联。通过色相、饱和度和亮度这三个属性,色环可以很好地描述和组织各种颜色之间的关系。

工业光源选型案例

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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/268936.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

[linux][xdp] xdp 入门

xdp 全称 eXpress Data Path,是 linux ebpf 中的一个功能。ebpf 在内核中预留了一些插入点,用户可以在这些插入点插入自己的处理逻辑,当数据路过插入点时可以做一些预期的处理,具体实现方式如下: ① 用户编写数据处理…

论文阅读_代码生成模型_CodeGeeX

英文名称: CodeGeeX: A Pre-Trained Model for Code Generation with Multilingual Evaluations on HumanEval-X 中文名称: CodeGeeX:一种用于代码生成的预训练模型,并在HumanEval-X上进行多语言评估 链接: https://arxiv.org/abs/2303.17568 代码: http…

【Java开发】Java实现调用微信机器人,发送企业微信通知

请直接看原文: 【Java开发】Java实现调用微信机器人,发送企业微信通知_java 企业微信推送机器人消息-CSDN博客 ------------------------------------------------------------------------------------------------------------------------------- 企业微信机器…

代码随想录day11(1)字符串:反转字符串中的单词 (leetcode151)

题目要求:给定一个字符串,将其中单词顺序反转,且每个单词之间有且仅有一个空格。 思路:因为本题没有限制空间复杂度,所以首先想到的是用split直接分割单词,然后将单词倒叙相加。 但如果想让空间复杂度为O…

算法day03_ 59.螺旋矩阵II

推荐阅读 算法day01_ 27. 移除元素、977.有序数组的平方 算法day02_209.长度最小的子数组 目录 推荐阅读59.螺旋矩阵 II题目思路解法 59.螺旋矩阵 II 题目 给你一个正整数 n ,生成一个包含 1 到 n2 所有元素,且元素按顺时针顺序螺旋排列的 n x n 正方形…

基于 Amazon EKS 的 Stable Diffusion ComfyUI 部署方案

01 背景介绍 Stable Diffusion 作为当下最流行的开源 AI 图像生成模型在游戏行业有着广泛的应用实践,无论是 ToC 面向玩家的游戏社区场景,还是 ToB 面向游戏工作室的美术制作场景,都可以发挥很大的价值,如何更好地使用 Stable Dif…

每日一题 — 盛水最多的容器

11. 盛最多水的容器 - 力扣(LeetCode) 思路: 因为体积是长度乘高,所以运用双指针,一个在最左,一个在最右,每次都记录体积 V ,然后比较左边的长度和右边的长度,左边的长度…

http和https的区别是什么?

–前言 传输信息安全性不同、连接方式不同、端口不同、证书申请方式不同 一、传输信息安全性不同 1、http协议:是超文本传输协议,信息是明文传输。如果攻击者截取了Web浏览器和网站服务器之间的传输报文,就可以直接读懂其中的信息。 2、h…

红队基础设施建设

文章目录 一、ATT&CK二、T1583 获取基础架构2.1 匿名网络2.2 专用设备2.3 渗透测试虚拟机 三、T1588.002 C23.1 开源/商用 C23.1.1 C2 调研SliverSliver 对比 CS 3.1.2 CS Beacon流量分析流量规避免杀上线 3.1.3 C2 魔改3.1.4 C2 隐匿3.1.5 C2 准入应用场景安装配置说明工具…

#WEB前端(CCS常用属性,补充span、div)

1.实验: 复合元素、行内元素、块内元素、行内块元素 2.IDE:VSCODE 3.记录: span为行内元素:不可设置宽高,实际占用控件决定分布空间。 div为块内元素:占满整行,可以设置宽高 img为行内块元…

Vue-03

Vue指令 v-bind 作用:动态设置html的标签属性(src url title…) 语法:v-bind:属性名"表达式" 举例代码如下: 实现效果如下: 案例:图片切换 实现代码如下: 实现的效果…

[RAM] DDR5 自带双通道

主页: 元存储博客 文章目录 前言1. 为什么DDR5要在一个dimm里面设计两个channel?2. 前言 DDR5 是第 5 代双倍数据速率同步动态随机存取内存,又称 DDR5 SDRAM。DDR5 是在 2017 年由行业标准机构 JEDEC推动的,DDR5 产品 问世于 202…

LSA头部结构简述

LSA(Link State Advertisement)是一种用于路由协议头部结构,用于在网络中传递路由信息。 LSA头部结构包含以下几个字段: 1、LSA类型(LSA Type):指示LSA的类型,不同类型的LSA用于传递…

python二级常见题目

一.常见语法 jieba—第三方中文分词函数库 jieba—第三方中文分词函数库_jieba库函数-CSDN博客 Python基础——format格式化 Python基础——format格式化_python format-CSDN博客 format()方法的使用超全_format方法-CSDN博客 Python中random函数用法整理 Python中random…

换个角度看境外支付系统:警惕金融风险之安全测试实践

【面试突击班】1. 性能测试主要关注哪些指标? ,这个名词相信生活在当下社会的大家应该都不在陌生了吧,他时时刻刻充斥在我们的日常生活中,哪里有交易发生,哪里就有它的身影。 其实直白的来说,支付系统是扮…

java面试题(spring框架篇)(黑马 )

树形图: 一、Spring框架种的单例bean是线程安全吗? Service Scope("singleton") public class UserServiceImpl implements UserService{ } singleton:bean在每个Spring IOC容器中只有一个实例 protype:一个bean的定义可以有多个…

ES系列之Logstash实战入门

概述 作为ELK技术栈一员,Logstash用于将数据采集到ES,通过简单配置就能把各种外部数据采集到索引中进行保存,可提高数据采集的效率。 原理 数据源提供的数据进入Logstash的管道后需要经过3个阶段: input:负责抽取数…

游戏框架搭建

使用框架的目标:低耦合,高内聚,表现和数据分离 耦合:对象,类的双向引用,循环引用 内聚:相同类型的代码放在一起 表现和数据分离:需要共享的数据放在Model里 对象之间的交互一般有三…

RH850P1X芯片学习笔记-Generic Timer Module -ATOM

文章目录 ARU-connected Timer Output Module (ATOM)OverviewGLOBAL CHANNEL CONTROL BLOCK ATOM Channel architectureATOM Channel modesSOMP-Signal Output Mode PWMSOMP - ARUSOMC-Signal Output Mode CompareSOMC - ARUSOMC – COMPARE COMMANDSOMC – OUTPUT ACTIONATOM …

计算机设计大赛 深度学习实现行人重识别 - python opencv yolo Reid

文章目录 0 前言1 课题背景2 效果展示3 行人检测4 行人重识别5 其他工具6 最后 0 前言 🔥 优质竞赛项目系列,今天要分享的是 🚩 **基于深度学习的行人重识别算法研究与实现 ** 该项目较为新颖,适合作为竞赛课题方向&#xff0c…