相机

如何实现 5 μm 精度的视觉检测？不仅仅是相机的事在电子制造、陶瓷检测、半导体等高精度领域，检测精度往往被要求达到微米级（μm）。例如，陶瓷片外观检测和微孔检测常常提出 5 μm 精度的指标。很多人第一反应是“买一台高分辨率相机就行了”，但事实远没有这么简单。本文将从相机、镜头、光学系统、运动平台等多个维度，系统性地解答如何实现 5 μm 精度的视觉检测。

机器视觉知识推荐、就业指导

工业机器视觉相机曝光功能的讲解今天我们来聊聊工业相机中的曝光功能，相信不少小伙伴对这个话题感兴趣。曝光功能在机器视觉系统中至关重要，因为它直接影响到拍摄的图像亮度和质量。今天的内容分成两部分，一部分是对曝光时间的基本概念讲解，另一部分是如何设置曝光参数。我们一起来看看吧！

机器视觉在半导体制造中有哪些检测应用半导体芯片的生产，是一场“在纳米尺度上绣花”的精密战役——从晶圆到封装，数百道工序环环相扣，任何微小瑕疵都可能导致芯片失效。人工检测既达不到微米级精度，也扛不住高频次重复操作，而机器视觉凭借“看得准、判得快、稳得住”的特性，成了半导体制造中不可或缺的“质检员”。

机器视觉检测如何使用360 度全景成像镜头进行AI 瑕疵检测AI机器视觉在外观瑕疵（划痕、凹坑、色差等）检测中的应用持续深化，但传统“多相机拼接成像”存在效率低、易漏检、硬件成本高等问题。随着AI算法对“细粒度瑕疵”识别能力的突破，成像系统对“全视角覆盖、高精度捕捉、低成本部署”的需求愈发迫切——360度全景成像镜头成为破局关键。

大家的笔记本

jetson orin super nano（arm linux系统）上读取大恒图像工业相机（型号MER-050-560U3C）教程Jetson 上完整安装 Galaxy SDK + Python gxipy 并运行相机的步骤脚本通过链接【https://www.daheng-imaging.com/index.php?m=content&c=index&a=lists&catid=59&czxt=30&sylx=21&syxj=#mmd】下载以下文件：

机器视觉知识推荐、就业指导

工业相机与镜头的靶面尺寸详解：选型避坑指南在机器视觉系统中，相机与镜头的靶面尺寸匹配是一个非常关键却又经常被忽略的细节。选错了，不但影响图像质量，还可能导致画面“黑角”、视野不符、镜头浪费等问题。

工业检测机器视觉为啥非用工业相机？普通相机差在哪？手机拍照能美颜，单反画质能打，但到了工厂流水线，它们全都“不好使”。机器视觉要的不是“拍得好看”，而是“拍得靠谱”——工业相机的能耐，恰恰藏在这些普通相机搞不定的细节里。

产线相机问题分析思路现象：复现问题原因：问题分析、溯源，定位根本原因；方案：提出解决方案、规避措施验证：导入、验证方案是否可行（先小批量、再大批量）；

weixin_46846685

电磁波成像（X射线、CT成像）原理简介大多数图像的形成离不开一个照射源、场景元素以及一个探测器，场景元素对照射源能量的反射或吸收被探测器检测到，就可以产生对应的图像。

大疆 Osmo 360：双 1 英寸 + 8K/50fps，改写全景相机市场格局作为一名大疆的资深用户，除了扫地机器人、户外电源和如影，我已经基本集齐了大疆全家桶了：Pocket 3、Action 4、Osmo 360、Air3S、Mic2、RS4，让我的视频拍摄工作可以说是如虎添翼了。

常见的相机模型针孔/鱼眼（Pinhole,Mei,K相机相关：相机模型与畸变模型相机的成像模型(Pinhole + Omni)和畸变模型(RanTan, FOV, EQUI) 描述相机的模型需要两部分：

面阵 vs 线阵相机：怎么选不踩坑？选型公式直接套用在工业视觉里，选相机不是“看参数选贵的”，而是先分清“面阵”和“线阵”——前者是“一次性拍全图”，后者是“线状扫大图”，适用场景完全不同。今天用简洁的逻辑，拆解两者的核心差异，再给上面阵、线阵的选型计算公式，帮你按需求精准匹配，避免买错浪费。

【视觉SLAM十四讲】相机与图像Zf=−XX′=−YY′ (像是倒立的) \frac{Z}{f}=-\frac{X}{X'}=-\frac{Y}{Y'} ~~~ (像是倒立的) fZ=−X′X=−Y′Y (像是倒立的)

爱凤的小光

线阵相机和镜头选型案例介绍1.行频(Acquisition Line Rate)：即相机每秒钟输出的图行数。在自由运行模式下，行频自行设定；在触发模式下，行频与输入的行信号有关。 2.行高(Height)：行高是指拼成一帧图像所需要的行数，即一帧图像的纵向分辨率。 3.帧率：行高线阵相机的帧率与行频成正比，与行高成反比关系。即，帧率 = 行频 / 行高

单单单单点

C# 相机内存复用(减少图像采集耗时)以及行数复用我们在做图像处理时，都会对一些相机的SDK进行开发完成图像采集的操作，为后续图像处理做准备。本文主要的目的是降低图像采集的耗时，应用在一些高速检测的场景下。利用循环队列+内存复用的方式，去掉或者减少新建内存的时间。

鱼眼相机去畸变的算法原理（一）自动驾驶apa中的鱼眼相机标定，图像去畸变。来来回回做了几次。先前对原理一直了解不够深入。最近集中研究了一下，分几篇文章分别介绍一下原理，实现代码。

柠檬甜不甜呀

视觉采集模块的用法采集模块中最基础的单元就是图像源模块，其中图像的输入方式包括相机输入、本地图像、SDK三种。添加图像源后，需要对内部的参数进行对应的配置，正常我们连接相机后图像源选择我们对应的连接相机。

VC6800智能相机：赋能智能制造，开启AI视觉新纪元在工业自动化与智能化浪潮奔涌的今天，精准、高效、智能的视觉检测已成为提升生产力和品质的关键核心。VC6800智能相机应运而生，它不仅仅是一部相机，更是一个集强大视觉硬件与前沿AI算法于一身的 “工业智眼”，正深刻改变着各个领域的生产方式。

星空梦想plus

Android Camera openCamera今日调休，终于终于闲下来了，可以写一下博客了，刚好打开自己电脑，就有四年前下的谷歌Android 12源码，不是很旧，刚好够用，不用再另外下载新源码了，不得不感慨这时间过得真快啊~废话不多说，开整！

深度图像滤波深度图像滤波是三维计算机视觉中的核心环节，旨在优化原始深度数据的质量，提升后续任务（如三维重建、物体识别、场景理解）的性能。本文讲解六种常见滤波：1.去噪滤波、2.边缘滤波、3.空域滤波、4.时域滤波、5.填洞滤波及6.各向异性滤波。