相机、镜头参数详解以及相关计算公式

一、工业相机参数
1、分辨率

相机每次采集图像的像素点数,也是指这个相机总共有多少个感光晶片。在采集图像时,相机的分辨率对检测精度有很大的影响,在对同样打的视场成像时,分辨率越高,对细节的展示越明显。

相机像素 = 水平分辨率 * 垂直分辨率

芯片尺寸 = 水平像素尺寸 * 水平分辨率

2、精度

精度指一个像素表示实际物体的大小,用(um*um)/pixel表示。注意,像元尺寸并不等于精度,像元尺寸是相机机械构造时固定的,而精度与相机视野有关,是变化的。精度值越小,精度越高。

单个像素对应的大小 = 视野宽 / 宽度分辨率 = 视野高 / 高度分辨率

镜头倍率 = 芯片尺寸 / 实际所需视野

像素精度 = 像素尺寸 / 镜头倍率

像素精度 = 视场(长 / 宽)/ 相机分辨率

3、帧率/行频

帧率:fps帧率,对应面阵相机,表示每秒能够拍摄的图片张数。

行频:16kHz行频,对应线阵相机,表示每秒能够扫描的行数。最大图像分辨率为分辨率*行频(例2048x16k);

帧率和行频体现相机的最大工作效率,与曝光共同决定成像图片的明暗,帧率和行频很高且曝光低,则图片很暗;帧率和行频很低且曝光高,则图片很亮。

4、像元尺寸

像元尺寸指芯片像元阵列上每个像元的实际物理尺寸,例如3.75umx3.75um 等。像元尺寸从某种程度上反映了芯片的对光的响应能力,像元尺寸越大,能够接收到的光子数量越多,在同样的光照条件和曝光时间内产生的电荷数量越多。对于弱光成像而言,像元尺寸是芯片灵敏度的一种表征。像元尺寸和像元数(分辨率)共同决定了相机靶面的大小,通常工业相机像元尺寸为2μm~14μm。

像元尺寸(宽) = 传感器尺寸(宽) / 分辨率(宽)

像元尺寸(高) = 传感器尺寸(高) / 分辨率(高)

5、曝光时间

曝光时间时为了将光投射到照相感光材料的感光面上,快门所要打开的时间。曝光时间和实际的帧率成反比,也就是曝光时间越长,实际的采集帧率会越低,一般为3um-10ms。

曝光时间 = 像元尺寸 / 像的运动速度 = 像素精度 / 物体的运动速度

放大倍率 = CCD感光尺寸 / 视场FOV
相机的飞拍曝光数值计算

案例1:物体的运动速度是150mm/s,沿着芯片的水平方向运动,相机是1/2芯片(6.4mm*4.8mm),视场水平方向长度是20mm,像元尺寸是4.65um,计算成像时不产生拖影的曝光时间。

首先计算出像的运动速度

放大倍数 = CCD感光尺寸 / 视场FOV = 6.4mm / 20mm = 0.32,

像的运动速度 = 放大倍率 * 物体的运动速度 = 0.32 * 150mm/s = 48mm/s,

曝光时间 = 像元尺寸 / 像的运动速度 = 4.65um / 48mm/s = 0.000097s = 97us,

最后曝光时间设置为100us即可。

案例2:玻璃转盘设备,使用的相机是GMAX3265(6500万相机,相机的像元尺寸是3.2μm*3.2μm),0.52倍率的圆心镜头,转盘3600脉冲转一圈,软件设定的运行速度180脉冲/s,玻璃转盘的盘子直径500mm

计算公式1:

转盘转一圈的时间 = 一圈的脉冲 / 运行速度 = 3600 / 180 = 20秒;

物体的运动速度 = 转盘的盘子直径 * 3.14 / 转盘转一圈的时间 = 500 * 3.14 / 20 = 78.5mm/s

像的运动速度 = 放大倍率 * 物体的运动速度 = 78.5 * 0.52 = 40.82mm/s

曝光时间 = 像元尺寸 / 像的运动速度 = 3.2 / 40.82 = 78.39us

最后曝光时间设置为80us

计算公式2:

转盘转一圈的时间 = 一圈的脉冲 / 运行速度 = 3600 / 180 = 20秒;

物体的运动速度 = 转盘的盘子直径 * 3.14 / 转盘转一圈的时间 = 500 * 3.14 / 20 = 78.5mm/s

像素精度 = 像元尺寸 / 镜头的倍率 = 3.2 / 0.52 = 6.153846um

曝光时间 = 像素精度 / 物体的运动速度 = 6.153846 / 78.5 = 78.39us

6、靶面尺寸(传感器尺寸)

图像传感器的感光部分的大小,通常指的是图像传感器的对角线长度,在同样镜头情况下,靶面越大,视场越大,靶面越小,视场越小。传感器(CCD/CMOS)尺寸的表示方法大惑不解,因为像1/1.8英寸、2/3英寸之类的尺寸,既不是任何一条边的尺寸,也不是其对角线尺寸,看着这样的尺寸,往往难以形成具体尺寸大小的概念。

|---------|--------|--------|---------|
| 传感器类型 | 宽度(mm) | 高度(mm) | 对角线(mm) |
| 1/3'' | 4.800 | 3.600 | 6.000 |
| 1/2.5'' | 5.760 | 4.290 | 7.182 |
| 1' | 12.700 | 9.600 | 16.000 |
| 2/3'' | 8.800 | 6.600 | 11.000 |
| 1/2'' | 6.400 | 4.800 | 8.000 |
| 4/3'' | 18.800 | 13.500 | 22.500 |

CCD尺寸一般用英寸来表示,靶面尺寸就是CCD尺寸

靶面尺寸 = 对角线尺寸

靶面面积 = 传感器宽度 * 传感器高度

二、镜头参数
1、焦距

与光轴平行的光线射入凸透镜时,理想的镜头应该是所有的光线聚集在一点后,再以锥状扩散开来,这个聚集所有光线的点叫做焦点。对于单个透镜来说,焦距是指从光心到焦点的距离,如图一;对于多个透镜组成的镜头组来说,焦距是指像方主平面到焦点的距离,如图二。

焦距 = (工作距离 * 相机传感器短边尺寸)/ 物体宽度

或 焦距 = 工作距离 * 放大倍率

焦距、像距、物距之间的关系:

(1 / 物距)+ (1 / 像距)= (1 / 焦距)

2、光圈

光圈是一个用来控制光线透过镜头进入机身内感光面光量的装置,在拍摄高速运动物体时,由于曝光时间短,需要使用大光圈。

光圈大小一般用F表示,以镜头焦距f和通光孔径直径D的比值来衡量,当光圈物理孔径不变时,镜头中心与感光器件距离越远,F值越大,光圈越小;反之,F值越小,光圈越大。

一般通过调整通光孔径大小来调节光圈,完整的光圈数值系列如下:F1,F1.4,F2,F2.8,F4,F5.6,F8,F11,F16,F22,F32,F44,F64。

光圈系数F = 焦距f / 通光孔径D

3、分辨率

图像系统可以测到的受检验物体上的最小可分辨特征尺寸,多数情况下,视野越小,分辨率越好

4、工作距离

工作距离指的是镜头的最下端到景物之间的距离。一般的镜头是可以看到无限远的,也就是说是没有上限的。镜头上有两个刻度的调节圈分别是调节光圈和调焦圈,在调节圈上标有的刻度表示此时镜头的工作距离。

5、视场(FOV)

视场也叫视野范围,视野指的是镜头能看到的最大范围,也就是镜头所能覆盖的有效工作区域。

6、景深(DOF)

在最小工作距离到最大工作距离之间的范围称为景深(纵向的范围),景深内的物体都可以清晰成像。景深一般可以通过光圈调节,光圈越小,景深越大。

能清晰成像的最近物平面称为近景平面,它与对准平面的距离称为前景深L1。

能清晰成像的最远物平面称为远景平面,它与对准平面的距离称为后景深L2。

景深=前景深+后景深:

其中: :容许弥散圆直径,f:镜头焦距,F:镜头的拍摄光圈值,L:对焦距离

光圈,镜头焦距、拍摄距离对景深的影响:

1)、镜头光圈:光圈越大,景深越小;光圈越小,景深越大;

2)、镜头焦距:镜头焦距越长,景深越小;距离越短,景深越大;

3)、拍摄距离:距离越远,景深越大;距离越近,景深越小

7、视角

视角即视线的角度,也就是镜头能看多"宽"。焦距越小,视角越大,最小工作距离越短,视野越大。

镜头选型实例:

已知客户观察范围为30mm*30mm,工作距离为100mm,CCD尺寸为1/3',那么需要多少焦距的镜头

计算方法:

1/3'=3.6mm(垂直) 芯片垂直方向的大小

f=(100*3.6)/30

参考:工业相机与镜头选型方法(含实例)_工业相机选型-CSDN博客

相关推荐
IT古董1 小时前
【人工智能】Python在机器学习与人工智能中的应用
开发语言·人工智能·python·机器学习
机器人虎哥2 小时前
【8210A-TX2】Ubuntu18.04 + ROS_ Melodic + TM-16多线激光 雷达评测
人工智能·机器学习
罗小罗同学4 小时前
医工交叉入门书籍分享:Transformer模型在机器学习领域的应用|个人观点·24-11-22
深度学习·机器学习·transformer
孤独且没人爱的纸鹤4 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
羊小猪~~5 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
不去幼儿园6 小时前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
无脑敲代码,bug漫天飞7 小时前
COR 损失函数
人工智能·机器学习
HPC_fac130520678168 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
老艾的AI世界16 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK2215116 小时前
机器学习系列----关联分析
人工智能·机器学习