相机选型学习

根据一些学习资料总结了一个相机选型的大概步骤:

1.确定像素精度,就是一个像素对应多少距离。

根据工艺上的最小误差确定,比如客户要求最小为误差是10个μ,那考虑工件的过度像素,要把单个像素表示的距离控制在10/3 = 3.333个μ左右(这里是÷3,或者÷4、÷5都可以),才能确保定位误差符合要求。

2.确定视野大小,根据工件的物理大小,两侧根据实际情况留白确定相机视野大小。

3.根据像素精度和视野大小,确定相机分辨率。

比如视野大小是5mm*5mm,像素精度是0.003mm,则单边分辨率 =5/0.003 = 1666;

分辨率大小:1666*1666 = 2,775,556 = 278万,那就要选对应的,比如280万或者300万像素的相机

4.去对应商家挑选分辨率满足要求的相机。可能有很多款相机满足这个分辨率,然后再选择相机的靶面的长宽比与视野的长宽比接近的那一款。

相关推荐
51camera21 小时前
AF自动对焦技术在TGV视觉检测方案中的作用
视觉检测·tgv检测
拓朗工控2 天前
工控机在高精度视觉检测中的实际应用
人工智能·计算机视觉·视觉检测
格林威2 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附C++ 实战演示
开发语言·c++·人工智能·数码相机·计算机视觉·视觉检测·工业相机
MF_AI3 天前
YOLO无人机视角检测识别数据集汇总
人工智能·深度学习·yolo·目标检测·视觉检测·无人机
Fleshy数模4 天前
玩转 Python:多线程、装饰器、视觉检测与正则匹配实战
开发语言·python·视觉检测
格林威4 天前
堡盟Baumer VCX系列工业相机供电与触发:网口(GigE) vs USB3.0
开发语言·人工智能·数码相机·计算机视觉·视觉检测·工业相机·高速相机
格林威4 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附Python实战演示
开发语言·人工智能·python·数码相机·计算机视觉·视觉检测·工业相机
格林威4 天前
面阵相机 vs 线阵相机:堡盟与大恒相机选型差异全解析 附C++ 实战演示
开发语言·c++·人工智能·数码相机·计算机视觉·视觉检测·工业相机
格林威5 天前
面阵相机 vs 线阵相机:堡盟与Basler选型差异全解析 +C# 实战演示
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机
格林威5 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附C# 实战演示
开发语言·人工智能·数码相机·计算机视觉·c#·视觉检测·工业相机