机器视觉检测--相机

一,相机就是CCD么?

通常,我们把相机都叫作CCD,CCD已经成了相机的代名词。其实很可能正在使用的是CMOS。CCD以及CMOS都称为感光元件,都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管,但是在信号的读取和制造方法上存在不同。两者的区别如下:

CCD CMOS
制造技术 比较困难 比较容易 (可以转而使用通用半导体制造装置)
制造成本 高价 低价
消耗电力
干扰 比较少 比较高
对光的敏感度 不如CCD

二,像素

所谓像素,是指图像的最小构成单位。电脑中的图像,是通过像素(或者称为PIXEL)这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息,由此就可以描绘出彩色的图像。

例如:液晶显示器上会显示「分辨率 :1280×1024」等。这表示横向的像素数为1280,纵向的像素数为1024。这样的显示器的像素总数即为1280×1024=1,310,720。由于像素数越多,则越可以表现出图像的细节,因此也可以说「清晰度更高」。

三,像素直径

所谓像素直径,是指每个CCD元件的大小,通常使用μm作为单位。

严谨的说,这个大小中包含了受光元件与信号传送通路。(=像素间距,即某个像素的中心到邻近一个像素的中心的距离)。也就是说,像素直径与像素间距的值是一样的。如果像素直径较小,则图像将通过较小的像素进行描绘,因此可以获得更加精细的图像。可以通过像素直径和有效像素数,求出CCD元件的受光部的大小。

假设某个CCD元件的条件如下所示:

  • 有效像素数...768 × 484
  • 像素直径...8.4μm × 9.8μm

则受光部的大小为

  • 横向 768 × 8.4μm = 6.4512mm
  • 纵向 484 × 9.8μm = 4.7432mm

四,CCD的大小

CCD感光元件的大小,一般分为采用英寸单位表示和采用APS-C大小等规格表示这2种方式。

采用英寸表示时,该尺寸并不是拍摄的实际尺寸,而是相当于摄像管的对角长度。

【例】1/2英寸的CCD表示「拥有相当于1/2英寸的摄像管的拍摄范围」。

为什么如此计算呢?这是由于当初制造CCD的目的就是用来代替电视机录像机的摄像管的。当时,由于想要继续使用镜头等光学用品的需求比较强烈,由此就诞生了这种奇怪的规格。主要的英寸规格的尺寸如下表所示。

尺寸 对角长度 拍摄区域
2/3英寸 11mm W8.8×H6.6mm
1/2英寸 8mm W6.4×H4.8mm
1/3英寸 6mm W4.8×H3.6mm
1/4英寸 4.5mm W3.6×H2.0mm

五,快门速度

快门速度,表示CCD或CMOS感光元件中蓄积电荷的时间。

如果快门速度为1/250,则蓄积光的时间为1/250秒。快门速度越快,则元件的受光量越少,相反如果快门速度越慢,则元件的受光量越多。

也可以说,快门速度将起到了调整光量的作用。

关于快门速度和受光量(正确来说应该称为蓄积的电荷量),存在以下的关系:

【例】如果将快门速度基准定为 1/1000秒(1ms),则

  • 快门速度变为 1/500秒(2ms),则受光量变为2倍。
  • 快门速度变为 1/2000秒(0.5ms),则受光量变为1/2。

六,增益

所谓增益,是指将图像信号进行电子增幅的过程。用于图像处理的CCD中,配备了可以通过在暗处拍摄时增幅信号,从而看上去变得明亮的功能。另外,还配有根据拍摄对象的亮度自动进行调整的增益控制功能等。

【例】在1/10000快门速度下拍摄,增加增益前后的对比如下:

七,1D相机(线扫描相机)

面型相机

前面所有我们提到的像素呈矩阵排列的CCD,即为覆盖视觉检测中99%应用的面阵相机。

线型相机

而线阵相机在长度方向目前最多有16K像素,但是宽度方向只有一个像素。通过移动来获取图像。

相比于平面相机,线扫相机主要优势体现在两个方面:

  1. 更高的分辨率。
  2. 成像质量更高。(反光产品,柱状体产品)

另外,对于布匹装的连续监测的产品,线扫描相机也非常方便。

但是,相比于面阵相机,线扫描相机成本更高,安装架设难度更高。同时,需要配合编码器来配合触发拍照,需要有这方面的Know-how。

最后,线扫描相机需要使用特殊的镜头和光源。

八,3D相机

目前市面的3D相机根据成像原理不同,主要分为三种。

  1. 激光类(Laser)
  2. 多目类(Binocular Vision)
  3. 光栅类(Strip Pattern)

1,激光类(Laser)

主要是通过三角反射原理,激光发生器投出激光束照在物体表面,反射回来的光线被CCD接受,然后建模成3D图像。

激光扫描成像

2,双目类(Binocular Vision)

双目立体视觉是指用两台性能相当、位置固定的CCD摄像机, 获取同一景物的两幅图像,通过两个摄像头所获取的二维图像,来计算出景物的三维信息。

在原理上比较类似人类的双目视觉。组建一个完整的双目立体视觉系统一般需要经过摄像机标定,图像匹配,深度计算等步骤。

九,2.5D相机

(详细介绍请参考之前历史文章)通过控制光源从不同角度照明,得到图像凹凸信息产生的阴影图像,而最后合成计算得到3D信息的图像(注:高度"Z"方向不能定量测量,所以叫2.5D)。

原图-->合成图像

来源基恩士官网

相关推荐
肥猪猪爸30 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
LZXCyrus1 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
我感觉。1 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
YRr YRr1 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络
DieYoung_Alive1 小时前
一篇文章了解机器学习(下)
人工智能·机器学习
夏沫的梦1 小时前
生成式AI对产业的影响与冲击
人工智能·aigc
goomind2 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
只怕自己不够好2 小时前
《OpenCV 图像基础操作全解析:从读取到像素处理与 ROI 应用》
人工智能·opencv·计算机视觉
幻风_huanfeng2 小时前
人工智能之数学基础:线性代数在人工智能中的地位
人工智能·深度学习·神经网络·线性代数·机器学习·自然语言处理
嵌入式大圣2 小时前
嵌入式系统与OpenCV
人工智能·opencv·计算机视觉