工业相机常用类型详述

一、工业相机定义

工业相机是应用于工业领域、安防和交通等对相机要求较高领域的摄像机,功能就是将光信号转变成有序的电信号,此信号经过模数转换为数字信号,然后传递给图像处理器。与一般的家用相机相比,其具有更高的稳定性能(一般可连续工作数天)、拍照能力(一般一秒内可拍几十张甚至数百张图片)和抗干扰能力(工厂环境电磁干扰严重);在相机扫描方式上(工业相机为逐行扫描,普通的相机是隔行扫描)和输出数据(工业相机输出的是裸数据(raw data),适合进行高质量的图像处理,而普通相机拍摄的图片经过了mjpeg压缩,图像质量相对较差)方面也有不同。更为详细的不同之处,可参见下方链接:
工业相机与普通相机的差别
按照相机芯片来划分,可以将工业相机分为CCD(Charge Coupled Device)和CMOS(Complementary Metal Oxide Semiconductor)两种类型。CCD即感光耦合元件,应用中通常以百万像素为基本单位。CCD主要材质为硅晶半导体,透过光电效应,由感光元件表面感应来源光线,从而转换成储存电荷的能力。CMOS即互补性氧化金属半导体。其材质主要是利用硅和锗这两种元素所做成的半导体,使其在CMOS上共存着带N(带正电)和P(带负电)级的半导体,这两个互补效应所产生的电流,经过处理后直接转换成对应的数字信号。这两者的原理和区别可见下方链接,讲的很好:
相机基础知识讲解:CMOS和CCD

二、常用类型

1.工业面阵相机

面阵相机是由许多像素元组成的一个矩形阵列,每个像素单元都是一个方形传感器,可以获取二维图像信息,测量图像直观。缺点是像元总数多,而每行的像元数一般较线阵少,帧幅率受到限制。其应用面较广,如面积、形状、尺寸、位置,甚至温度等的测量。
USB接口面阵相机
此类相机采用 CCD 或 CMOS 芯片,像素区间在30万-1.5亿,接口为USB,GIGE,Camera Link, CoaXPress等,触发方式有三种:支持硬触发、软触发及自由运行模式,支持对增益、曝光时间、白平衡、Gamma 校正、LUT、Binning 等进行调节。

2.工业线阵相机

线阵相机的像素单元排成一列,有1K,2K,4K,8K,12K,像素单元有5μm,7μm,10μm,14μm等,拍摄的照片为1维图像,完整的图像必须需要相机或物体一方保持运动状态连续拍摄才能生成,所以一般用于连续运动物体成像或需要连续的高分辨率成像的场合。
在这里插入图片描述

3.智能相机

智能相机是一种高度集成的光学检测工具,用于控制质量和提高生产率。它包括工业机器视觉系统的所有元素,将图像采集、处理与通信功能集成于单一相机内,从而提供了具有多功能、模块化、高可靠性、易于实现的机器视觉解决方案。在智能相机中封装了一些简单的图像处理算法模块,如几何边缘的提取、Blob、灰度直方图、OCV/OVR、一维码/二维码,简单的定位和搜索等,用户可以直接应用。
在这里插入图片描述
智能相机由图像采集单元(CCD/CMOS相机和图像采集卡)、图像处理单元(对图像数据进行实时存储,同时进行图像处理)、图像处理软件(基本均为相机厂家自行开发的,如dalsa的 iNspect Express,包括一些简单的图像处理算法)、网络通信装置(一般内置以太网通信装置,并支持多种标准网络和总线协议)等构成。

4.立体相机

立体相机又称为3D相机、深度相机,种类一般分为双目立体、3D 激光轮廓传感器、基于TOF(Time Of Fly)、结构光几种。
双目立体视觉的深度相机类似人类的双眼,不对外主动投射光源,完全依靠拍摄的两张图片来计算深度。目前国内外均有厂商来做,后面会专门介绍下国内的视觉厂家。其缺点是相对依赖图像特征来进行匹配,所以在光照较暗或过度曝光的情况下效果较差,另外如果被测场景本身缺乏纹理,那就很难进行特征提取和匹配。更为详细的阐述见"计算机视觉life"大佬的文章,链接:
深度相机原理揭秘–双目立体视觉
在这里插入图片描述
3D 激光轮廓传感器结构包括激光发射器、相机、镜头以及感光芯片等,采用的原理是激光三角测距法,原理很多,大家自行查询。这种类型的相机可以自制也可以买厂家做好的。
在这里插入图片描述

基于结构光法的深度相机不依赖于物体的颜色和纹理等特征,采用了主动投影已知图案的方法来实现匹配过程。原理见链接
深度相机原理揭秘–结构光
在这里插入图片描述

Tof类型的深度相机基本原理是通过连续发射光脉冲(一般为不可见光)到被观测物体上,然后接收从物体反射回去的光脉冲,通过探测光脉冲的飞行(往返)时间来计算被测物体离相机的距离。具体原理见链接:
深度相机原理揭秘–飞行时间(TOF)
在这里插入图片描述

三、厂商介绍

目前用的比较多的,国内有海康威视,大恒,大华,凌云。
国外的有康耐视,DALSA,SICK,balser,宝盟,基恩士等。

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.mzph.cn/news/256383.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩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

机器学习——SVM之python实现数据样本标准化和归一化

目录 一、标准化和归一化的目的 1、标准化 2、归一化 二、标准化和归一化常用的理论公式 1、归一化 2、标准化 三、python实现SVM样本数据标准化和归一化 1、标准化 2、归一化 本文源代码:《机器学习——支持向量机SVM之python实现简单实例一》 一、标准化…

[黑群晖经典教程] 一步一步建立自己的黑群晖

【申明:本文并非本人所作,为内部网络中一位大神所写,个人觉得写得很好,遂原文搬了过来,如有侵犯原作者的权利,请及时与我联系】 PS:有好几个兄弟觉得我擅自转发,不是很妥。解释一下:…

C++和Opencv4.5 实现全景图像拼接

前言 最近刚下了最新版的opencv4.5,急不可待的试下操作,就用了opencv自带的Stitcher类拼接下图像,结果傻眼了,程序显示Stitcher没有createDefault成员,看了好久,终于找到了解决方法。 Stitcher原理 Stit…

机器学习——python实现SVM模型w,b的查看

基于源代码:《机器学习——支持向量机SVM之python实现简单实例一》进行讲解 1、线性模型 这里以二特征三类,一对多策略为案例 kernel “linear”:线性核,参数有w,b 线性模型的决策边界是:w0iTx0i w1i…

移动端输入框弹出键盘控制

在移动端,我们公司通过输入框主要收集用户的姓名和电话,以下是对输入框获取焦点时,控制弹出键盘的样式来增强用户体验。 输入姓名 我们的用户都是中国人,输入用户名为中文,所以弹出键盘是输入中文状态即可,…

相机标定(一) —— 深入理解齐次坐标及其作用

一、什么是齐次坐标和齐次坐标系 齐次坐标 齐次坐标是一个相机标定问题的关键理论之一,所以就此问题分析一下。 单从定义上来讲,齐次坐标(投影坐标)就是用N1维来代表N维坐标(点和向量),也可说…

机器学习——图解SVM中gamma和c参数的作用

参数c和gamma的作用 我们通过下图详解参数c的作用,首先我们以一个简单的线性分类器为例,上一个博客中我们知道影响分类器的主要因素是支持向量,即虚线上的样本,如下图可知: 但当正负样本的分布在如下情况时&#xff0…

面试题(十四)

唐巧前辈说这些都是 iOS 的基础问题,应该对此深入的了解。当初看到时,大部分回答不上来,因为平时没有好好思考整理过。这里大部分的概念大多会在学习 OC 的过程中遇到过,但还是得经过写代码才能有更深的理解。反正我当初看那些设计…

工业相机基础知识详述 —— 焦平面,像平面,弥散圆,光圈,分辨率,景深,接口,靶面尺寸

一、焦平面 想到焦平面,很多人不由自主就想到不就是焦点所在的垂直于光轴的平面吗?其实其背后隐藏这更多的东西。 1)焦点不止一个 对于一般拍摄场景来说,光通过一个凸透镜,汇聚不到一个点,越靠近中轴线的…

相机标定(二)深入理解四大坐标系与其变换关系

一、前言 视觉系统一共有四个坐标系:像素平面坐标系(u,v)、图像坐标系(x,y)、相机坐标系(Xc,Yc,Zc)和世界坐标系(Xw,Yw,Zw),如下图所示。每种坐标系之间均存…

相机标定(三) —— 畸变校正

一、前言 根据针孔模型,物体和成像之间参数会满足相似三角形的关系。但现实中会存在装配误差和透视失真等原因,导致这种关系无法成立,使理想成像与实际成像存在误差,这种误差即称为畸变。 畸变分为径向畸变,切向畸变和…

SVG技术入门:线条动画实现原理

相信大家都见到过这样神奇的技术:一副线条构成的画能自动画出自己。非常的酷。Jake Archibald是这种SVG技术的首创者,并且写了一篇非常好的文章来描述它是如何实现的。Brian Suda也在24 Ways网站上讨论过它。 Polygon使用它在一篇设计方面的文章里创造出…

机器学习——人工神经网络之BP算法编程(python二分类数据集:马疝病数据集)

目录 一、理论知识回顾 1、神经网络模型 2、明确任务以及参数 1)待估参数: 2)超参数: 3)任务 3、神经网络数学模型定义 1)激活函数 ​ 2)各层权重、阈值定义 3)各层输入输…

Halcon例程(基于多个标定图的单目相机标定)详解—— Camera_calibration_multi_image.hdev

一、前言 在我的工业相机专栏里已经将相机标定涉及到的理论部分讲解完毕,为什么要标定以及标定要求出什么参数呢,用一个Halcon 例程来帮助理解。 这个例程是比较经典的标定程序,基本将标定过程讲的比较清楚,用的标定图像是系统自…

SkipList 跳表

为什么选择跳表 目前经常使用的平衡数据结构有:B树,红黑树,AVL树,Splay Tree, Treep等。 想象一下,给你一张草稿纸,一只笔,一个编辑器,你能立即实现一颗红黑树,或者AVL树…

机器学习——深度学习之卷积神经网络(CNN)——LeNet卷积神经网络结构

目录 一、卷积神经网络 1、卷积神经的作用 2、LeNet 1)数据库准备——minst 2)模型 二、关于卷积神经网络结构的一些术语定义 1、特征图(Feature map) 2、height(长度)、width(宽度&…

工业相机(3D)主要参数详述

一、前言 准确的完成相机选型是一个视觉工程师必备的技能,而选型前必须对其内部参数了如指掌。工业相机是一种比较复杂的产品,其参数很多,每个参数可能会有不同的标准,下面对主要的参数会做比较详细的阐述。 二、参数详述 2.1 …

JAVA8永久代

在Java虚拟机(以下简称JVM)中,类包含其对应的元数据,比如类的层级信息,方法数据和方法信息(如字节码,栈和变量大小),运行时常量池,已确定的符号引用和虚方法表…

Struts 2初体验

Struts2简介: Struts2是一个基于MVC设计模式的Web应用框架,它本质上相当于一个servlet,在MVC设计模式中,Struts2作为控制器(Controller)来建立模型与视图的数据交互。 Struts 2 目录结构:     apps目录:Struts2示例…

机器学习——深度学习之数据库和自编码器

目录 一、数据库——数据获取 1、Mnist 2、ImageNet 二、自编码器(Auto-encoder)——参数初始化 1、功能 2、基本思想 1)训练第一层 2)训练第二层及以后的神经网络 ​ 3)利用BP对整个神经网络的参数初始值进…