我是靠谱客的博主 轻松刺猬,最近开发中收集的这篇文章主要介绍最详细的选型攻略!选择工业相机必须搞懂这10大要素!(建议收藏),觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

来源 | 机器视觉沙龙

选择合适的工业相机是机器视觉系统设计中的重要环节,它不仅仅直接决定所采集到的图像分辨率、图像质量等,同时也与整个系统的运行模式直接相关。

但是,目前市场上的相机恐怕已经成千上万种,但是我从不慌张,也不怕新品出来跟不上,秘密就是我归纳了相机选型的 10 个控制点,事半功倍哦~

为了给工业相机需求者提供更好的帮助,今天小矩就来告诉大家 如何选择最合适自己的工业相机。

01

相机品牌

虽然大多数的厂商都推出了全系列产品,但是每个品牌都有擅长的地方,选择该品牌的明星产品往往性价比高,可靠性好。

怎么知道哪个是明星产品?

工业相机最主要的就是看采集到的图像效果。

好的效果,即使一个完全不懂的人也能看的出来,好坏即可分辨。

有条件的客户可以实际考察一下,才能够对工业相机了解的更透彻一些,也可以看到这个公司的真正产品质量和实力,对自己的选择有很大助推作用。

02

分辨率

分辨率英文是 Resolution,指的是图像传感器中所包含的像素点数,通常用长*宽表示,我们常说多少万像素相机就是由分辨率计算得来的。

首先要确定目标的精度,然后以精度为根据选择分辨率。然而为增加系统稳定性,不会只用一个像素单位对应一个测量/观察精度值,一般可以选择倍数4或更高。这样该相机需求单方向分辨率为1000,选用130万像素已经足够。

接着看工业相机的输出,如果是体式观察或机器软件分析识别,分辨率是越高越好;若是VGA输出或USB输出,则还依赖于显示器的分辨率,工业相机的分辨率再高,显示器分辨率不够,也是没有意义的;利用存储卡或拍照功能,也是尽量选择高像素的相机。

选择合适的分辨率,需要根据系统的需求来选择相机分辨率的大小,通常系统的像素精度等于视场(长或宽)除以相机分辨率(长或宽)。

03

快门

快门英文是 Shutter ,快门是相机中用来控制光线照射感光元件照射时间的装置。

快门技术必须与应用匹配。

在工业相机中一般有两种快门方式:全局快门(Global Shutter)和卷帘快门(Rolling Shutter),主要差别在于吸收光线的方式。

要点是如果需要动态取像(飞拍)请一定选全局快门,卷帘快门只能用于静态取像。

快门主要作用是保护相机内部的芯片不受入射光线的影响,且只有在曝光时才会打开,所选的曝光时间将会确保像素接收适当数量的光子,并决定快门维持打开状态的时间。

04

帧速率

帧速率英文是 Frames Per Second ,是指每秒钟采集图像的帧数。

比如 30 fps ,可以算出理论上采集一张图片需要的时间是1000 ms/30 fps=33.3 ms,这个时间是要算在整体检测节拍中的。

05

图像传感器

图像传感器是相机中的感光元件,可以将光学图像转换成电子信号,主要分为 CCD 和 CMOS.

我被最常问到的十大问题之一就是 CCD 好还是 CMOS 好?

这个要从它们的历史说起,最初 CCD 的成像质量的确明显优于 CMOS ,但是 CMOS 比较努力,经过几年的发展已经达到了 CCD 同样的成像质量而且制造成本更低。

关于图像传感器我们要了解什么呢?

我们要了解的是芯片的尺寸,选择镜头的时候会用到。

芯片的结构,决定了相机是线阵相机还是面阵相机。

芯片的型号也至关重要,好的芯片相机成像质量好。

如果要求拍摄的物体是运动的,要处理的对象也是实时运动的物体,那么当然选择CCD芯片的相机为最适宜。但有的厂商生产的CMOS相机如果采用帧曝光的方式的话,也可以当作CCD来使用的。

虽然是CMOS芯片,但在拍摄运动物体时绝不比CCD的差,又假如物体运动的速度很慢,在我们设定的相机曝光时间范围内,物体运动的距离很小,换算成像素大小也就在一两个像素内,那么选择CMOS相机也是合适的。

06

连接镜头的接口

相机的接口用于连接相机和镜头,主要有 C 口,CS 口,F 口。

选择匹配的镜头接口即可,一定要在选型的时候就考虑到这个问题,如果接口不一样要加转接环。

07

传输接口

传输接口指的是相机传输图片的方式,目前常用的有GigE,USB3.0,CameraLink.等,接口不同也会影响到采集速度。

需要注意的是选对配件:

(1)选择和接口相同的图像采集卡, GigE 就配千兆网卡, CameraLink 就配 CameraLink 卡。

(2)连接的线缆,接口要匹配,长度要确定,如果需要走坦克链一定要配高柔耐折弯的线缆,并且要带螺丝锁在接口上以免运动久了掉落或接触不良。

08

相机颜色

相机分为彩色相机和黑白相机,通常情况下只有在需要识别颜色的情况下选择彩色相机,其他时候一律选黑白相机。

因为很多视觉工具都是在黑白图像上处理的,如果选了彩色相机还需要转换成黑白图像再运算,这个过程往往会降低画质,索性一开始就选择黑白相机更好。

09

相机维度

按照维度相机可以分为2D相机和3D相机,3D相机可以得到高度信息,其他情况用2D相机就可以解决了,这篇文章讨论的也主要是2D相机,3D相机以后再专门来讲。

10

相机的系统

相机的系统有两种:智能相机系统(嵌入式系统)和 PC-Based 系统。

智能相机系统集采集图像,处理图像于一体,结构紧凑,使用方便,价格略高。

PC-Based 系统是用工业相机采集图像,PC 处理图像,可以同时将多台相机集成在一个视觉系统里,可以二次开发定制软件。

从性价比上来说,如果是单台相机 200 万像素以下的需求建议选择智能相机,如果是多台相机或单台 200 万以上像素相机建议选择 PC-Based 系统。

从以上 10 个控制点去选择相机,一切尽在你的控制之中啦,不敢说百发百中,足以帮你解决大部分相机选型的问题。

注明:文章素材图片均整理来源于网络,仅供学术分享,如侵删

干货下载与学习

后台回复:巴塞罗自治大学课件,即可下载国外大学沉淀数年3D Vison精品课件

后台回复:计算机视觉书籍,即可下载3D视觉领域经典书籍pdf

后台回复:3D视觉课程,即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网:3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线!(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建:原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM:基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法:算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼)

13.重磅!四旋翼飞行器:算法与实战

14.ROS2从入门到精通:理论与实战

15.国内首个3D缺陷检测教程:理论、源码与实战

16.基于Open3D的点云处理入门与实战教程

重磅!3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群,目前主要有3D视觉CV&深度学习SLAM三维重建点云后处理自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。

c9fc081d60132228bc9978fd474c6bc7.jpeg

▲长按加微信群或投稿,加微信:dddvision

c3e7beeea23e3e5091f68794d83106d6.jpeg

▲长按关注公众号

3D视觉从入门到精通知识星球:针对3D视觉领域的视频课程(三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM自动驾驶等)、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近4000星球成员为创造更好的AI世界共同进步,知识星球入口:

学习3D视觉核心技术,扫描查看介绍,3天内无条件退款

0ab56ad737ac6f0aa8148ea2e3b5a8c5.jpeg

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用,麻烦给个赞和在看~  

最后

以上就是轻松刺猬为你收集整理的最详细的选型攻略!选择工业相机必须搞懂这10大要素!(建议收藏)的全部内容,希望文章能够帮你解决最详细的选型攻略!选择工业相机必须搞懂这10大要素!(建议收藏)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(56)

评论列表共有 0 条评论

立即
投稿
返回
顶部