【工业相机】【深度2】相机靶面大小和测量精度的关系分析和计算:@opencv
前言:本文分析工业相机的靶面、镜头和精度的约束和相关关系:所谓工业相机(整机)这里指的是:相机 + 镜头。
我们先把各个参数列个表述。整机参数分别由相机和镜头参数联合决定。本文略过基础知识, 阅读者需具备基本视觉知识
非常透彻的 介绍了几乎所有常用的相机参数计算选择工具
下表,列举了工业相机的主要参数:
值得注意的是,工业相机最终表现出来的参数,是由相机参数和镜头参数,以及外部条件约束,组合起来的。有些参数,相机机身有,镜头有,有的是联合表述。
这些参数要搞清楚,才不会混淆,导致计算错误。
内部参数 | ||||||||
参数 | 相机整机参数 | 举例、单位 | 相机机身参数 | 举例 | 镜头参数 | 最终决定 | 说明 | |
像素 | 相机像素 | 1920*1080 (pixel) | 分辨率百万量级 | 200万(2073600)(pixel) | 镜头和传感器低者 | |||
分辨率 (resolution) |
分辨率(ODS) optical delivery system |
传感器像素点 | 物方分辨率 | |||||
像方分辨率 | lp/mm | |||||||
MTF/ Contrast | 0.3 的MTF亮度值是底线 | |||||||
靶面尺寸 | 靶面尺寸 |
|
传感器感光面积 | 1/3英寸 | ||||
外部参数(测量需求) | ||||||||
WD | 镜头到相机距离 | |||||||
测量精度(accuracy) | 测量的最小物体大小 | 0.02 mm/pixel | ||||||
准备知识1:相机像素和分辨率
像素和分辨率的关系
准备知识2:图质量和精度的决定因素:
对机器视觉而言,3个决定因素:
- 相机: 分辨率、传感器类别类别
- 光学镜头:工作距离,焦距
- 光照:光照均匀度、 光强、降低杂散光、背景噪音
准备知识3:应用场景:
2D 读码
零件测量【距离】
缺陷检测【光照为最关键】
视觉导航
装配
一、CCD/CMOS靶面尺寸型号标准:
白圈表示光导摄像管成像区域,绿色部分表示CCD/CMOS靶面区域:
典型靶面尺寸类型和定义:
【表一】
二,计算方法汇总:
2.1 放大倍数的计算方法
标识 | 输入参数 | 举例 |
FOV(H)物距视野Hd | 物距下相机水平视野 | 33cm |
(CMOSH)靶面尺寸 | 1/4 |
查表一: D = 4 mm V = 2.4mm H = 3.2 mm |
输出参数 | ||
Md | 物距放大倍数 | =0.0096 |
Md = CmosH / FovH = 3.2mm / 330mm = 0.0096
2.2 视场的计算方法
2.1.1 工业相机实际计算的视野(长边)
标识 | 输入参数 | 举例 |
物距 u | 镜头到物体距离 | 60cm |
靶面尺寸 | 1/4 |
查表一: D = 4 mm V = 2.4mm H = 3.2 mm |
焦距 f | 8mm | |
输出参数 | ||
视野 X | 240mm |
X = (600) * 3.2 / 8mm = 240 mm
公式应用:已知被测物长边330mm,焦距8mm,相机传感器长边3.2mm,需要的镜头到物体距离: 330*8/3.2 = 825mm
反求焦距
如果已知物体拍摄尺寸,比如330mm,和距离600mm, 相机靶面大小3.2mm,求焦距:
F = 600*3.2 / 330 = 5.8 mm
2.1.2 镜头视野;
2.2 FOV-Part分辨率的计算
相机所需最小分率计算[案] - 视野下能否拍最小的物体 - 传感器靶面像素需求计算方法-缺陷和物体检测计算方法和举例:
[Franklin案】When we are designing a machine vision system, two of our most important considerations are the sizes of the part and the defect.
That is,
- what is our Field of View (FOV)
- and within that FOV what is the smallest defect we can reliably detect?
Let’s say the part is 40mm square and we need to detect a .02mm defect. The following formula determines the camera resolution required: FOV/ Defect size = Number of gradations (pixels) 40mm/ .02mm = 2,000
标识 | 输入参数 | 举例 |
FOV | FOV | 12寸(30.38cm) |
Cmin | 物体需要在靶面上占据 | 3到5个像素点(最少2个) |
Smin(Accuracy) | 最小被测量物体大小: | 0.25寸(0.635cm) |
输出参数 | ||
某方向 像素需求 | 相机分辨率 | 144 pixel |
公式2.2
= 144
那么一个640水平像素的相机可以满足要求。
【Franklin案】这里FOV,理解为测距离的长边上。
举例2:
测试的长边为:330cm,测试的物体最小长边为:3cm,计算:
330/3*4 = 440 pixel ,选用640相机可以满足要求
举例3:
2.3 [案】 - Defect是否满足相机的精度能否满足需求 - 传感器靶面像素需求计算方法-测量和抓取应用计算方法和举例:
determines the camera resolution required:
标识 | 输入参数 | 举例 |
相机分辨率 Nh |
640 | |
FOV(H) | FOV(H) | 330mm |
FOV(H) | FOV(H) | 2寸(5.08cm) |
精度要求 D Defect |
最小测量精度要求 | 0.05 mm |
精度要求 D Defect |
最小测量精度要求 | 0.01寸 |
输出参数 | ||
最大精度 | 能否达成? | 0.0031寸 < 0.01寸 可以达成 |
某方向 像素需求 | 相机分辨率 | 144 pixel |
公式2.3 determines the camera resolution required: 已知被测物需求精度,求相机分辨率
FOV(H) / D
举例:
测试的长边为:330cm,测试的精度要求为0.05mm,相机精度要求为
330/0.05 = 6600,当然,选用640相机不可以满足要求
公式2.3-2 determines the camera resolution Enough or Not: 已知相机分辨率,看是否满足要求
FOV(H) / Nh = 2/640
举例:
测试的长边为:2寸,测试的精度要求为0.01寸,计算:640 * 480 能否满足精度要求。
2/640 = 0.0031,选用640相机可以满足要求
小结:提高精度和减少FOV的办法,多个相机:
三、靶面尺寸和相机像素关系:
3.1 放大倍率
3.1.1 应用场景-相机放大倍率:
标识 | 输入参数 | 举例 |
物距视野Hd | 物距下相机水平视野 | 33cm |
靶面尺寸 S |
1/4 |
查表一: D = 4 mm V = 2.4mm H = 3.2 mm |
输出参数 | ||
Md | 物距放大倍数 | =0.0096 |
公式3.1
Md = S/Hd = 3.2mm / 33cm = 0.0096
3.1.2 精度倒算-镜头放大倍率计算
标识 | 已知输入参数 | 举例 |
C | 单位转换 um -> mm | 1000 |
S | 相机像元尺寸(相机型号尺寸) | 4.8 μm × 4.8 μm |
Hmin | 需求精度 被测物体最小高度 | 0.05 mm |
2 | 奈奎施特采样参数 | >=2 |
输出参数 | ||
M | 放大倍数 | 0.096 |
R | 分辨率 - 每毫米可以排列的 |
4.8÷(0.05×1,000)=0.096
【Franklin案】 这两个方法,一个站在要拍全物体角度,一个是要拍到最小物体角度。那么到底用哪个来衡量?
我们倒算一下,就是已知放大倍数,求可辨别测量精度:
R = S / M = 4.8 / (C * 0.096) = 0.05 mm = Hmin
R = S / M = 4.8 / (C * 0.0096) = 0.5 mm > H min
也就是满足全尺寸的拍摄的话,最小精度不能满足。
3.1.3 分辨率倒算-镜头放大倍率计算
S = 1/(2*0.1*M) = 1/(2*0.1*0.096)= 52 lp/mm
S = 1/(2*0.1*M) = 1/(2*0.1*0.0096)= 520 lp/mm
四、速度 - 针对速度和曝光时间,产品是否拖影影响:
已知:检测范围FOV 为 80 mm *80 mm ,200万像素CCD(1600 *1200),相机或产品运动速度 12M/min = 200mm/s
4.1 曝光时间计算:
T = FOV(H) / (S*R) = 80/ (1600 * 200) = 0.00025s
标识 | 已知输入参数 | 举例 |
FOV(H) | 长边视野范围 | 80 mm *80 mm |
S | 相对速度 | 200mm/s |
R | 分辨率(H) | 1600 |
输出 | ||
T | 曝光时间 | 0.25ms |
参考:
1 史上最全的工业相机CCD/CMOS靶面尺寸规格说明
史上最全的工业相机CCD/CMOS靶面尺寸规格说明_景通仪器
2 工业相机基本参数以及选型参考(二)
工业相机基本参数以及选型参考(二)_-牧野-的博客-CSDN博客_工业相机参数
3 相机的像素精度,物理定位精度,亚像素定位之间的关系和进行像素的固定误差累积
相机的像素精度,物理定位精度,亚像素定位之间的关系和进行像素的固定误差累积-工业视觉/halcon-少有人走的路
4 分辨率,精度,公差的关系
视觉检测 分辨率,精度,公差? | 基恩士中国官方网站
5 工业相机视野与分辨率计算(相机选型与计算)
工业相机视野与分辨率计算(相机选型与计算)_Three_ST的博客-CSDN博客_相机视野和分辨率的关系
6 工业相机镜头焦距、工作距离、视野等选型的计算
勇哥的视觉实验:工业相机镜头焦距、工作距离、视野等选型的计算-视觉实验-少有人走的路
7 相机焦距与视场角
相机焦距与视场角_白水煮蝎子的博客-CSDN博客_相机视场角
8 我的参考
【深度1】工业相机的选择:- 镜头- 详细例子_Franklin的博客-CSDN博客_工业镜头分辨率怎样匹配相机
【工业相机】【深度2】相机靶面大小和测量精度的关系分析和计算:@opencv相关推荐
- 相机靶面大小和显微镜FN的匹配关系
相机靶面大小和显微镜FN的匹配关系 相机的作用说白了就是将显微镜光路所放大的像显示出来. 在显微镜领域有一个专业术语叫做Field Number(以下简称FN,概念可参考:https://www.mi ...
- 面阵相机靶面详解and镜头选择andFA镜头视野计算
工业相机靶面详解 工业相机的靶面也就是相机成像芯片的尺寸,一般描述相机靶面采用英寸来描述,在相机芯片中,1英寸为16mm. 通常说的2/3英寸靶面的相机意思就是,相机芯片对角线的尺寸为2/3英寸,也就 ...
- 工业相机的传感器靶面大小
在机器视觉中,工业相机是一种比较重要的配件.而在工业相机中,图像传感器又是最最关键核心的东西.而图像传感器的靶面的大小,往往直接关系到成像的质量.通常来讲,图像的成像质量与像素的大小成正比.这也就意味 ...
- 工业相机(高速相机)与普通相机的差别
即将转入算法研究,对之前在相机使用和选型等等问题做个总结,先来回答一个在开始就问自己的一个问题:为什么工业相机那么贵?贵在哪里了? 以下是小编整理的一些新手资料,希望对刚入手相机的有所帮助(主要来自 ...
- Baumer工业相机堡盟相机如何使用Binning像素合并功能( Binning像素合并功能的优点和行业应用)(C++)(C#)
项目场景 Baumer工业相机堡盟相机是一种高性能.高质量的工业相机,可用于各种应用场景,如物体检测.计数和识别.运动分析和图像处理. Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分 ...
- Baumer工业相机堡盟相机如何进行固件升级
项目场景 Baumer工业相机堡盟相机是一种高性能.高质量的工业相机,可用于各种应用场景,如物体检测.计数和识别.运动分析和图像处理. Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分 ...
- Baumer工业相机堡盟相机如何使用JPEG图像压缩功能(LXT.JP系列相机图像压缩功能的使用和优点以及行业应用)(C#)
项目场景 Baumer工业相机堡盟相机是一种高性能.高质量的工业相机,可用于各种应用场景,如物体检测.计数和识别.运动分析和图像处理. Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分 ...
- Baumer工业相机堡盟相机不满帧如何使用CameraExplorer设置相机参数让它的帧率达到满帧
项目场景 Baumer工业相机堡盟相机是一种高性能.高质量的工业相机,可用于各种应用场景,如物体检测.计数和识别.运动分析和图像处理. Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分 ...
- Baumer工业相机堡盟相机彩色相机如何实现白平衡
项目场景 Baumer工业相机堡盟相机是一种高性能.高质量的工业相机,可用于各种应用场景,如物体检测.计数和识别.运动分析和图像处理. Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分 ...
最新文章
- LeetCode简单题之通过翻转子数组使两个数组相等
- 1024程序员节获奖通知
- 从程序详解拒绝服务***
- CodeForces - 1549F1 Gregor and the Odd Cows (Easy)(几何+数论)
- 详述白盒测试的逻辑覆盖的路径覆盖及其优缺点
- pytorch图像预处理
- Filebeat 日志收集器 logstash-forwarder 的替代品
- 数据结构视频教程 -《数据结构(邓俊辉)》
- sis新地址_“这是什么梗?”,互联网上的新梗老梗如何影响你?
- 剑客之剑——倚天剑(Vim)
- UOJ #449.【集训队作业2018】喂鸽子 min-max容斥
- vue项目中将视频链接分享至推特的解决方法及踩坑记录
- Mybatis丶Mybatis-Plus
- 正则表达式中级应用(java语言版)
- 学写毛笔字前要了解的
- PHP个人发卡网源码支持当面付/码支付/易支付+免签即时到账全解密
- 计算机没法安装打印程序,无法安装打印机怎么办 无法安装打印机解决方法【图文教程】...
- AIGC困局与Web3破圈之道
- 两个亿储固态的测试、拆解,得一微YS9082HC主控
- PyTorch :YOLOv5实战