CCD成像原理以及机器视觉中的相机选型
CCD成像原理以及机器视觉中的相机选型
近年来,随着人工智能的高速发展和图像处理技术的日益成熟,机器视觉在自动化领域发挥着越来越大的作用。机器视觉被用于代替人工视觉,使机器人能够完成以往只有人工才能完成的任务,这大大减少了在危险环境下工作的风险。同时,在来料无序或工作环境杂乱的情况下,机器视觉可以显著提高生产效率和自动化柔性程度。随着人们对工业设计水平和生产效率需求的日益提高,机器视觉正在逐步代替传统复杂繁琐的自动化模式,成为当今的主要发展趋势。
机器视觉是一项综合的技术,包括数字图像处理,传感器,光学成像,智能判断,计算机硬件等。一个典型的机器视觉系统包括光源,镜头,相机,视觉服务器等。作为机器视觉的感知器,相机和镜头在采集信息环节发挥主要作用。相机和镜头参数以及型号的选择将直接影响后续的图像处理和智能判断等环节。所以在使用视觉系统前,要首先确定相机和镜头的各项参数。
这篇文章将从CCD相机的成像原理出发,介绍相机和镜头的各项产品参数会对视觉系统以及最终结果产生的影响。以及,在实际运用中,我们如何根据客户的需求以及对生产环境的观察和测量来选择合适的相机和镜头。
相机篇
CCD相机成像
以面阵相机为例,相机内部有一块由N行M列感光单元(CCD)组成的图像传感器(image sensor)。如下图红色格子所示,每一个小格子代表一个CCD感光单元,CCD的个数即为相机的像素,相机分辨率则指的是单位长度(图像传感器的单位长度)上像素的个数。比如一个相机有1280*1024个CCD感光单元,则该相机像素为130W。
光源照射到物体上,不同材质和颜色的物体对光源产生不同的反射,这些由物体反射出来的光穿过镜头照射到CCD上,使CCD产生电信号。CCD控制芯片将单次成像产生的电信号收集起来统一传送到放大器(amplifier)进行放大和降噪。经过一些列的模数转换(A/D),电信号被转化为数字信号,这些值就是初始的图像数据。将初始图像数据输入到数字处理器(DSP)进行色彩校正以及白平衡等处理后编码为相机所支持的图片格式并储存到储存器上。
相机选型,像素与精度
正如之前所说,像素是指图像传感器上CCD的个数,图像传感器一般为一个4:3的矩形,所以相机像素分为横向和纵向(X和Y方向)。一般来说,像素越多就能看到单位面积上更多的细节,而这些细节就决定了系统精度。举例说明,现在有大小为100mm*100mm的视野范围,精度要求0.1mm。则图像传感器每个方向上CCD的个数至少为100/0.1 = 1000。为了配合后续的边缘提取等图像处理,一般会要求3倍的像素,即
X方向CCD个数=3x视野范围(X方向)/精度(X方向)= 3000
Y方向CCD个数=3x视野范围(Y方向)/精度(Y方向)= 3000
可以选择像素为3000*3000以上的相机。
一些特殊场景的处理:
Case1 如果算出X,Y方向的像素差距很大,比如
X方向CCD个数=3x视野范围(X方向)/精度(X方向)= 3000
Y方向CCD个数=3x视野范围(Y方向)/精度(Y方向) = 1000
A : 4160 *3120 or B: 1280*980 ?
此时应该选A,宁可像素有较多剩余也不能选小于计算结果的相机
Case2 如果像素要求过大,比如
X方向CCD个数=3x视野范围(X方向)/精度(X方向)= 30000
Y方向CCD个数=3x视野范围(Y方向)/精度(Y方向) = 30000
此时较难找到符合要求的相机。相应的方法是使用多个相机,将视野范围分割为多块,每个相机负责采集一块视野范围,从而降低对每个相机像素的要求。
快门速度与移动物体拍摄
在拍摄移动物体时,经常会得到一张带“重影”的照片
这是因为相机在成像时,物体已经移动到了下一个位置。重影将对精度和结果产生极差的影响,为了避免重影,若拍摄的是移动物体,则需要在物体移动到下一个位置前结束本次成像。相机中决定成像速度的参数是快门速度,物体移动速度越快,则对快门速度要求越高。
既然要在物体移动到下一个位置前结束成像,首先我们要算出物体在图片上移动一个像素对应在现实世界中移动的距离。这一过程被称为标定像素当量,它表示图像中一个像素点代表的实际物理尺寸,比如0.000625mm/pixel。
假设物体在现实世界中的移动速度为0.5mm/s,当物体在成像时间内在图像上移动超过1个像素则会出现重影,所以成像速度至少为0.000625*1/0.5mm=0.00125s。(路程/速度=时间)。
以上便是机器视觉中相机选型部分,我们将在下一篇中介绍镜头选型。
深圳辰视智能科技有限公司
公司介绍:
深圳辰视智能科技有限公司是一家提供机器视觉、工业智能化设备的国家高新技术企业,是由中国科学院机器视觉技术研究团队创立,公司拥有快速三维建模、机器人运动控制、工件目标的分类与6D识别等方面的核心技术。
公司的主要产品有:机器人三维视觉引导系统、深度学习分类与检测系统、二维/三维视觉定位系统等,产品解决了机器人没有视觉感知与目标识别功能,影响机器人便捷应用的关键问题;使机器人拥有“双眼”和“大脑”。
目前,公司产品已广泛应用到自动上下料、组装、分类分拣、铸造、喷涂与焊接引导等多种不同工业场景,极大地提高生产效果、节约人力成本。
了解更多,关注我们!
联系热线:0755-26920296
www.cosmosvisiontech.com
CCD成像原理以及机器视觉中的相机选型相关推荐
- 机器视觉中的光源选型
2.2.1 光源选择标准 光源的选择标准如下: (1)光源均匀性要好,在有效的照射范围内,灰度值标准差要小: (2)具有较宽的光谱范围,可以对不同材料的物体进行检测: (3)光照强度要足够,提高信噪比 ...
- 凸透镜成像原理以及镜头选型
凸透镜成像原理以及镜头选型 上一章我们介绍了机器视觉中的相机选型,本章将从凸透镜成像原理入手介绍镜头选型. 凸透镜主要对光起会聚的作用,平行于主轴的光线经过凸透镜后会聚于主光轴上一点F,这一点是凸透镜 ...
- 相机标定原理 用ROS camera_calibration 功能包 在gazebo中进行 相机校准
在gazebo中进行相机标定 相机标定原理 相机标定意义 相机标定原理 相机标定参数 相关坐标系 世界坐标系 相机坐标系 像素坐标系.图像坐标系 相机坐标系转换为世界坐标系 像素坐标系转换为图像坐标系 ...
- 线扫相机——机器视觉中无限制物体的检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 在机器视觉中,在检测连续物体或者滚动物体时,线扫相机是最佳的解决方 ...
- 相机成像原理_数码相机的工作原理
数码相机也被称为数字相机.数码相机可以说是更广义的电子影像处理技术中的一类,其光学成像系统和常规的照相机并无差别,然而影像记录的方式却完全不同.常规相机使用的是化学光感材料,而数码相机使用的是一组光电 ...
- 3D线扫相机-沙姆成像原理
3D线扫相机,又名激光轮廓仪,3D线激光测量仪,基本原理:通过向物体表面投射线激光平面,从而获取该平面与待测物体表面交线处三维点坐标,解算物体深度信息.主要器件:线激光器.镜头.芯片.处理板.接口板. ...
- ORB-SLAM2从理论到代码实现(四):相机成像原理、基本矩阵、本质矩阵、单应矩阵、三角测量详解
由于ORBmatcher.cc中有三角化和重投影等内容,所有我先写相机成像等多视图几何内容. 1. 相机的成像原理 假设空间中有一点P,它在世界坐标系中的坐标为,在相机坐标系中的坐标为,在图片中的像素 ...
- 【自动驾驶】16.计算机视觉:相机成像原理:世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换
本篇博客为转载,我对其中的细节添加了一些说明. 原文链接:https://blog.csdn.net/chentravelling/article/details/53558096 0.前言 最近整理 ...
- 相机成像原理_【科研进展】动态虚拟相机:探索三维视觉成像新方法
由于微信公众号试行乱序推送,您可能没办法准时收到"爱光学"的文章.为了让您第一时间看到"爱光学"的新鲜推送, 请您: 1. 将"爱光学"点亮 ...
最新文章
- CTF python沙箱逃逸进阶题目
- who initialize the request for abap.js in SAP UI5
- [css] 说下你对css样式的这几个属性值initial、inherit、unset、revert的理解
- NuGet的使用、部署、搭建私有服务
- eclipse web项目中css无法显示
- MATLAB 读取 各类文件
- github使用命令
- Atitit.软件GUI按钮与仪表盘(01)--报警系统--
- java代码实现分页_Java分页实现(示例代码)
- 屏蔽点击BackSpace键页面后退
- paurse java_在eclipse中通过RSE插件运行远程java程序时遇到问题
- 达人评测 i9 13900H和i7 13700h差距 i913900H和i713700h选哪个
- 基于SSM第一医院病案管理系统
- 内核tcp协议栈SACK的处理
- android背光系统,Android 的背光控制
- 对单链表实现就地逆置
- 怎么给苹果手机设备画面投屏到电脑上面?
- Google Earth Engine(GEE)——全球建筑物矢量图免费下载Open Buildings V1 Polygons
- 看过的觉得还算可以的网络小说
- Java程序员面试宝典