HALCON 20.11:标定助手使用注意事项
HALCON 20.11:标定助手使用注意事项
- 标定过程中需要保持相机(光圈、焦距、位姿)固定。
- 标定板有两种:六角形排列标定板(.cpd文件)和矩形排列标定板(.descr文件)。
- 透明标定板可用于需要背光照明的应用场合。
- 六角形排列标定板应该填充整个图像,矩形排列标定板应该填充图像的四分之一。
- 标定过程中,首先需要改进的是图像质量。
- 标定助手中,相机参数指的是相机内部参数,如焦距,像元尺寸(宽/高)等;外部参数指的是相机相对于世界坐标系的位置和旋转角度等。
- 初次标定时,可以直接选择完全标定(Full Calibration)。完全标定时,远心镜头不需要设置焦距大小,只需要设置放大倍数;标准镜头需要设置焦距大小。
- 参考图像是指该图像定位世界坐标系,其原点位于参考图像中标定板的原点。标定板的原点为六角形排列标定板的第一寻址模式的中心标记的中心;或矩形排列标定板的中心。默认情况下,第一个标定图像被用作参考图像。但是,您也可以选择任何标定序列中的其他图像。
- 标定助手中,标准镜头是指与人眼类似的透射投影镜头,即物体离得越远,在图像中就越小;远心镜头是指平行投影镜头,即物体在图像中的大小与它们与相机的距离无关。
- 六角形排列标定板通常在深色背景上有浅色标记。不过,在浅色背景上有深色标记的标定板也是可用的,此时只需选择一个文件名以“_dark_on_light”结尾的描述文件即可。
- 矩形排列标定板总是在浅色背景上印有深色标记。
- 标定板厚度参数的作用:可以通过参考图像中的厚度值来修改世界坐标系和位于标定板表面下方的测量平面的位置。
- 相机模型中的面扫描(除法)(Area Scan (Division))通常可以返回良好的结果,您也可以通过使用面扫描(多项式)(Area Scan(多项式))相机模型提高准确性并降低错误率。因此,如果标定状态的平均误差过高,我们建议您使用面扫描(多项式)(Area Scan(多项式))相机模型。
- 使用面扫描(多项式)(Area Scan(多项式))相机模型,必须保证标定板图像完全覆盖视场并不遗漏图像边缘。较高的平均误差可能是由不适当的标定图像造成的。
- 标定过程的主要工作是获取标定板相对于视觉系统的不同位置和方向的图像。请注意:你改变的位置和方向越多,标定结果就会越好。因此,放置标定板时,使其出现在不同的角落(对于矩形排列标定板;六角形排列标定板以单幅图像覆盖整个图像),出现在距相机的不同距离处,出现在不同的平面上(即对某些图像进行倾斜)。注意,对于矩形排列标定板,不仅需要将标定板放置在视野的中心,而且还需要将其移动到角落和边缘。良好的标定图像将显著提高您的标定结果。
- 标定助手目前支持8位和16位(' byte '和' uint2 ')图像。
- 标定使用单通道图像。对于彩色RGB图像,将使用红色通道。颜色变换可以通过操作符trans_from_rgb来执行。
- 可以根据参考图像中标定板的姿态,指定世界坐标系和测量平面,以便用于后续的三维测量。因此,在一个标定图像(通常是第一个)中,您应该将标定板放置在测量平面的顶部。如果不可能,将标定板放在一个平行于测量平面的位置,并通过调整参数厚度“移动”坐标系统。“标定”窗口左侧的星号表示参考图像。它是默认设置在第一个图像。但是,您可以通过单击“设为参考位姿(Set Reference)”按钮,选择另一个图像作为参考图像。
- 你用的是极广角镜头吗? 接近图像边界的畸变会导致更高的平均误差,甚至可能导致标定失败。
- 你的相机芯片的尺寸和镜头兼容吗? 使用与相机芯片大小不兼容的镜头将降低图像质量。
- 应该始终追求获得高质量图像。然而如果由于某些原因,无法获得高质量图像,您可以在标定板提取参数下调整一些参数:
六角形排列标定板:如果图像是模糊的或包含强噪声,应将“平滑(Sigma)”设置为一个更高的值。
矩形排列标定板:如果标定板倾斜强烈,“间距公差(Gap Tolerance)”应设置为较高值;如果图像模糊,“平滑(Alpha)”应设置为较小值;此外,可改变最大标记直径。 - 平均误差(Mean Error)是指在标定过程中以像素为单位的平均误差。一旦系统进行了标定,就会计算出标定标记的理想中心,并与真实标记中心进行比较。平均误差是理想标记中心和真实标记中心之间的偏差值。0.1或更低的值被认为是一个好的结果。
HALCON 20.11:标定助手使用注意事项相关推荐
- HALCON 20.11:如何处理标定助手品质问题
HALCON 20.11:如何处理标定助手品质问题 在"品质问题"选项下,您可以得到每个图像的评估,其中包括缺陷图像特征描述以及问题严重程度的质量分数百分比.结果为0%表示图像特征 ...
- HALCON 20.11:学习笔记---一维测量(Measuring)
HALCON 20.11:学习笔记---一维测量(Measuring) 本章主要提供有关一维测量的信息. 一维测量的概念 通过一维测量可以沿着预定义的线或弧定位从亮到暗或从暗到亮的过渡边缘.这使您可以 ...
- HALCON 20.11:深度学习笔记(12)---语义分割
HALCON 20.11:深度学习笔记(12)--- 语义分割 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何使用基于深度学习的语义分割,包括训练和推理阶段. 通过语义分割, ...
- HALCON 20.11:深度学习笔记(11)---目标检测
HALCON 20.11:深度学习笔记(11)---目标检测 HALCON 20.11.0.0中,实现了深度学习方法. 本章讲解了如何使用基于深度学习的对象检测. 通过对象检测,我们希望在图像中找到不 ...
- HALCON 20.11:深度学习笔记(10)---分类
HALCON 20.11:深度学习笔记(10)---分类 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何在训练和推理阶段使用基于深度学习的分类. 基于深度学习的分类是一种对一 ...
- HALCON 20.11:深度学习笔记(9)---异常检测
HALCON 20.11:深度学习笔记(9)---异常检测 HALCON 20.11.0.0中,实现了深度学习方法. 本章解释了如何使用基于深度学习的异常检测. 通过异常检测,我们想要检测图像是否包含 ...
- HALCON 20.11:深度学习笔记(7)---术语表
HALCON 20.11:深度学习笔记(7)---术语表 HALCON 20.11.0.0中,实现了深度学习方法.下面,我们将描述深度学习环境中使用的最重要的术语: anchor (锚) Anchor ...
- HALCON 20.11:深度学习笔记(6)---有监督训练
HALCON 20.11:深度学习笔记(6)---有监督训练 HALCON 20.11.0.0中,实现了深度学习方法.不同的DL方法有不同的结果.相应地,它们也使用不同的测量方法来确定网络的" ...
- HALCON 20.11:深度学习笔记(5)---设置超参数
HALCON 20.11:深度学习笔记(5)---设置超参数 HALCON 20.11.0.0中,实现了深度学习方法.关于超参数的有关设置内容如下: 不同的DL方法被设计用于不同的任务,它们的构建方式 ...
最新文章
- 斯坦福SAIL负责人Christopher Manning:语言理解是人机灵魂的桥梁
- AngularJS表单验证
- Spring核心——IOC处理器扩展
- MB1A MB1B MB1C MB11 MIGO的区别解析
- Jerry的Kubernetes学习笔记
- 使用javascript模拟常见数据结构(四)
- 147页详述「结构在神经网络中的复兴」,图注意力网络一作博士论文公开
- 近期会将视频在线课堂移植ios,欢迎大家关注
- 基于jquery.fixedheadertable 表格插件左侧固定 对齐
- 计算机端口联机,网络端口之二端口传输机制
- Node.js笔记(0003)---Express框架Router模块学习笔记
- Android 字体ttf文件下载(含github下载地址)
- 契约测试工具的思考(一)
- Matplotlib之散点图绘制
- 一张图了解华为云服务
- 基于51单片机的简易数字电压表proteus仿真原理图程序设计
- python图片中文汉字标注乱码,变成方框
- 【引语收集计划】《启迪》 本雅明--导言-瓦尔特.本雅明 : 1892-1940 by汉娜.阿伦特
- arm_neon.h引用
- 佳博Gprinter EVA G 打印机驱动
热门文章
- C++11 强类型枚举
- oracle查询表在库中所占空间(表名所有字母必须大写‘table_name’)
- JavaScript 基本类型的装箱与拆箱
- Cassandra 权威指南
- 【SpringBoot】Logback日志框架介绍和SpringBoot整合实战
- 学习戴铭博文《从 ReactiveCocoa 中能学到什么?不用此库也能学以致用》的总结...
- c++描述将一个2进制数转化成10进制数(用到初始化栈,进栈,入栈)
- 【转】linux时钟jiffies及其相关
- 使用sp_cycle_errorlog 命令清除sqlserver数据库错误日志
- 【Linux】gcc + gdb 安装教程