關於機器視覺工業相機,看這篇就好 - 知識星球

文章推薦指數: 80 %
投票人數:10人

解析度在一定意義上決定了機器視覺系統能夠達到的精度。

2. 像素深度(Pixel Depth):即每像素資料的位數,一般常用的是8Bit,對於數字相機機一般 ... 当前位置:知識星球>後端>正文 一、什麼是工業相機 工業相機是機器視覺系統中的一個關鍵組件,其最本質的功能就是將光信號轉變成有序的電信號。

選擇合適的相機也是機器視覺系統設計中的重要環節,相機的選擇不僅直接決定所採集到的圖像解析度、圖像質量等,同時也與整個系統的運行樣式直接相關。

二、工業相機在機器視覺系統中的地位和作用 功能:光信號轉變成有序的電信號 三、工業相機的主要引數: 1.解析度(Resolution): 解析度指的是每次採集圖像的像素點數(Pixels),通常用長*寬表示。

我們常說多少萬像素相機就是由解析度計算得來的。

比如解析度1280pixel*1024pixel,1280*1024=1310720,就是130萬像素的相機。

解析度在一定意義上決定了機器視覺系統能夠達到的精度。

2.像素深度(PixelDepth):即每像素資料的位數,一般常用的是8Bit,對於數字相機機一般還會有10Bit、12Bit、14Bit等。

3.最大幀率(FrameRate)/行頻(LineRate):相機採集傳輸圖像的速率,對於面陣相機一般為每秒採集的幀數(Frames/Sec.),對於線陣相機為每秒採集的行數(Lines/Sec.)。

4.曝光方式(Exposure)和快門速度(Shutter): 對於線陣相機都是逐行曝光的方式,可以選擇固定行頻和外觸發同步的採集方式,曝光時間可以與行周期一致,也可以設定一個固定的時間;面陣相機有幀曝光、場曝光和滾動行曝光等幾種常見方式,數字相機一般都提供外觸發採圖的功能。

快門速度一般可到10微秒,高速相機還可以更快。

5.像元尺寸(PixelSize):像元大小和像元數(解析度)共同決定了相機靶面的大小。

數字相機像元尺寸為3μm~10μm,一般像元尺寸越小,製造難度越大,圖像質量也越不容易提高 6.光譜響應特性(SpectralRange):是指該像元傳感器對不同光波的敏感特性,一般響應範圍是350nm-1000nm,一些相機在靶面前加了一個濾鏡,濾除紅外光線,如果系統需要對紅外感光時可去掉該濾鏡。

7.接口型別:有CameraLink接口,以太網接口,1394接口、USB接口輸出,目前最新的接口有CoaXPress接口。

工業相機又俗稱攝像機,相比於傳統的民用相機(攝像機)而言,它具有高的圖像穩定性、高傳輸能力和高抗干擾能力等,市面上工業相機大多是基於CCD(ChargeCoupledDevice)或CMOS(ComplementaryMetalOxideSemiconductor)芯片的相機。

CCD是目前機器視覺最為常用的圖像傳感器。

它集光電轉換及電荷存貯、電荷轉移、信號讀取於一體,是典型的固體成像器件。

CCD的突出特點是以電荷作為信號,而不同於其它器件是以電流或者電壓為信號。

這類成像器件通過光電轉換形成電荷包,而後在驅動脈衝的作用下轉移、放大輸出圖像信號。

典型的CCD相機由光學鏡頭、時序及同步信號發生器、垂直驅動器、模擬/數字信號處理電路組成。

CCD作為一種功能器件,與真空管相比,具有無灼傷、無滯後、低電壓工作、低功耗等優點。

CMOS圖像傳感器的開發最早出現在20世紀70年代初,90年代初期,隨著超大規模集成電路(VLSI)製造工藝技術的發展,CMOS圖像傳感器得到迅速發展。

CMOS圖像傳感器將光敏元陣列、圖像信號放大器、信號讀取電路、模數轉換電路、圖像信號處理器及控制器集成在一塊芯片上,還具有區域性像素的編程隨機訪問的優點。

CMOS圖像傳感器以其良好的集成性、低功耗、高速傳輸和寬動態範圍等特點在高解析度和高速場合得到了廣泛的應用。

四、相機分類 任何東西分類一定有它自己的分類標準,工業相機也不例外。

按照芯片型別可以分為CCD相機、CMOS相機; 按照傳感器的結構特性可以分為線陣相機、面陣相機; 按照掃描方式可以分為隔行掃描相機、逐行掃描相機; 按照解析度大小可以分為普通解析度相機、高解析度相機; 按照輸出信號方式可以分為模擬相機、數字相機; 按照輸出色彩可以分為單色(黑白)相機、彩色相機; 按照輸出信號速度可以分為普通速度相機、高速相機; 按照響應頻率範圍可以分為可見光(普通)相機、紅外相機、紫外相機等。

區別 1、工業相機的性能穩定可靠易於安裝,相機結構緊湊結實不易損壞,連續工作時間長,可在較差的環境下使用,一般的數碼相機是做不到這些的。

例如:讓民用數碼相機一天工作24小時或連續工作幾天肯定會受不了的。

2、工業相機的快門時間非常短,可以抓拍高速運動的物體。

例如,把名片貼在電風扇扇葉上,以最大速度旋轉,設置合適的快門時間,用工業相機抓拍一張圖像,仍能夠清晰辨別名片上的字體。

用普通的相機來抓拍,是不可能達到同樣效果的。

3、工業相機的圖像傳感器是逐行掃描的,而普通的相機的圖像傳感器是隔行掃描的,逐行掃描的圖像傳感器生產工藝比較複雜,成品率低,出貨量少,世界上只有少數公司能夠提供這類產品,例如Dalsa、Sony,而且價格昂貴。

4、工業相機的幀率遠遠高於普通相機。

工業相機每秒可以拍攝十幅到幾百幅圖片,而普通相機只能拍攝2-3幅圖像,相差較大。

5、工業相機輸出的是裸資料(rawdata),其光譜範圍也往往比較寬,比較適合進行高質量的圖像處理演算法,例如機器視覺(MachineVision)應用。

而普通相機拍攝的圖片,其光譜範圍只適合人眼視覺,並且經過了mjpeg壓縮,圖像質量較差,不利於分析處理。

6、工業相機(IndustrialCamera)相對普通相機(DSC)來說價格較貴。

五、企業應用如何選擇 工業相機一般安裝在機器流水線上代替人眼來做測量和判斷,通過數字圖像攝取標的轉換成圖像信號,傳送給專用的圖像處理系統,圖像系統對這些信號進行各種運算來抽取標的的特征,進而根據判別的結果來控制現場的設備動作。

1、通常您首先需要知道系統精度要求和相機解析度,可以通過公式: X方向系統精度(X方向像素值)=視野範圍(X方向)/CCD芯片像素數量(X方向) Y方向系統精度(Y方向像素值)=視野範圍(Y方向)/CCD芯片像素數量(Y方向) 2、當然理論像素值的得出,要由系統精度及亞像素方法綜合考慮;接著您要知道系統速度要求與相機成像速度: 系統單次運行速度=系統成像(包括傳輸)速度+系統檢測速度 雖然系統成像(包括傳輸)速度可以根據相機異步觸發功能、快門速度等進行理論計算,最好的方法還是通過軟體進行實際測試。

3、再接著您要將相機與圖像採集卡一併考慮,因為這涉及到兩者的匹配: 視頻信號的匹配:對於黑白模擬信號相機來說有兩種格式,CCIR和RS170(EIA),通常採集卡都同時支持這兩種相機; 解析度的匹配:每款板卡都只支持某一解析度範圍內的相機; 特殊功能的匹配:如要是用相機的特殊功能,先確定所用板卡是否支持此功能,比如,要多部相機同時拍照,這個採集卡就必須支持多通道,如果相機是逐行掃描的,那麼採集卡就必須支持逐行掃描。

接口的匹配:確定相機與板卡的接口是否相匹配。

如CameraLink、GIGE、CoxPress、USB3.0等。

4、在滿足您對檢測的必要需求後,最後才應該是價格的比較。

舉例說明:如我們的檢測任務是尺寸測量,產品大小是18mm*10mm,精度要求是0.01mm,流水線作業,檢測速度是10件/秒,現場環境是普通工業環境,不考慮干擾問題。

首先我們知道是流水線作業,速度比較快,因此選用逐行掃描相機;視野大小我們可以設定為20mm*12mm(考慮每次機械定位的誤差,將視野比物體適當放大),假如我們能夠取到很好的圖像(比如可以打背光),而且我們軟體的測量精度可以考慮1/2亞像素精度,那麼我們需要的相機解析度就是20/0.01/2=1000pixcel(像素),另一方向是12/0.01/2=600pixcel,也就是說我們相機的解析度至少需要1000*600pixcel,幀率在10幀/秒,因此選擇1024*768像素(軟體性能和機械精度不能精確的情況下也可以考慮1280*1024pixcel),幀率在10幀/秒以上的即可。

  贊賞 長按二維碼向我轉賬 受蘋果公司新規定影響,微信iOS版的贊賞功能被關閉,可通過二維碼轉賬支持公眾號。

已推薦到看一看 你的朋友可以在“發現”-“看一看”看到你認為好看的文章。

取消 推薦 我知道了 已取消,“好看”想法已同步刪除 知道了 已推薦到看一看和朋友分享想法 最多200字,當前共字 發送   已發送 朋友將在看一看看到 確定 分享你的想法… 取消 分享想法到看一看 確定

最多200字,當前共








發送中






網絡異常,請稍後重試

知道了








微信掃一掃
使用小程式





即將打開””小程式

取消

打開




赞(1) 标签:iOS性能 上一篇程式員啊,他又加班了 下一篇專案中常用的 19 條 MySQL 優化 相關推薦分庫分表實戰:可能是用戶表最佳分庫分表方案4 張 GIF 圖幫助你理解二叉搜索樹分佈式鏈路追蹤 SkyWalking 原始碼分析 —— Agent 收集 Trace 資料一份來自英偉達的越南小姐姐整理的機器學習入門清單,照這樣學就對了HBase 資料遷移方案介紹C# 管道式編程不會SQL註入,連漫畫都看不懂了向Excel說再見,神級編輯器統一表格與Python 熱門標籤iOS(11238)微軟(4955)Linux(4274)安全(4180)Python(4160)性能(3165)運維(2774)優化(2419).NET(2262)Google(2136)機器學習(1795)併發(1613)分佈式(1559)集群(1240)SQL(1174)Mysql(1058)區塊鏈(1017)Docker(977)微服務(922)面試(919)Apache(743)NLP(725)Redis(719)Android(668)Git(640)架構師(632)Nginx(630)Facebook(599)JVM(595)爬蟲(476)热门文章用 docker-compose 啟動 WebApi 和 SQL Server2019-06-26 小樣本學習(Few-shot Learning)綜述2019-04-01 實體 :手把手教你用PyTorch快速準確地建立神經網絡(附4個學習用例)2019-02-02 電線電纜的平方數及平方數和電流的換算公式2018-04-02 黎曼猜想仍舊,素數依然孤獨2018-09-26 Wexflow:C#中的開源工作流引擎2019-03-22 分享創造快樂


請為這篇文章評分?