机器视觉硬件选型根据某项目相机镜头

2024-09-08 03:04

本文主要是介绍机器视觉硬件选型根据某项目相机镜头,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一 项目总需求

1、大视野检测需求:
(1)大视野:

①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm;

②产品料盘尺寸大小:565mm x 425mm;

③工作距离:880mm;检测精度:500μm;

1、大视野检测需求:

(1)大视野:

①产品尺寸15.6寸屏幕,产品大小:350mm x 225mm;

②产品料盘尺寸大小:565mm x 425mm;

工作距离:880mm;检测精度:500μm;

二 大视野检测

视觉功能需求:检测精度:500μm

检测基准:获取产品中心坐标

平台/工位数量:2个

相机数量:2个

相机安装方式:上相机

视觉精度:≦0.5mm

平台类型及流程:引导机械臂取料

注意事项:

产品最大尺寸:350225mm;
产品最大尺寸:565mm
425mm;
考虑产品在料盘中的位置存在波动,按照最大产品尺寸,考虑波动范围,按照料盘尺寸计算。

三 相机镜头选型

1 相机选型

相机分辨率计算:(565/0.5)X(435/0.5)=1130x870 考虑到精度问题,最后再乘以4个像素4520x3480,最后选择海康相机1200万像素,型号:MV-CS200-10GM(NPOE)。
相机参数:
类型:1200万CMOS黑白相机

分辨率:4024*3036px

像元尺寸:1.85μm x 1.85μm

靶面尺寸:1/1.7” 7.6mm x 5.7mm

2 镜头选型

相机镜头选型

1)、 镜头放大倍率
在这里插入图片描述
2)、 镜头视场或视野
在这里插入图片描述
在这里插入图片描述
3)、 镜头焦距
在这里插入图片描述
最后镜头焦距12mm,型号视清:MFA110-H12
参数:
类型:FA镜头

焦距:12mm FOV:557*418mm

WD:880±50mm

像素分辨率: 0.1384mm/Pix

光照示意图:
在这里插入图片描述

琐碎时间阅读基础知识,详情关注微信公众号“知识代码AI”。请添加图片描述

这篇关于机器视觉硬件选型根据某项目相机镜头的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1146934

相关文章

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

Vue3项目开发——新闻发布管理系统(六)

文章目录 八、首页设计开发1、页面设计2、登录访问拦截实现3、用户基本信息显示①封装用户基本信息获取接口②用户基本信息存储③用户基本信息调用④用户基本信息动态渲染 4、退出功能实现①注册点击事件②添加退出功能③数据清理 5、代码下载 八、首页设计开发 登录成功后,系统就进入了首页。接下来,也就进行首页的开发了。 1、页面设计 系统页面主要分为三部分,左侧为系统的菜单栏,右侧

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

【STM32】SPI通信-软件与硬件读写SPI

SPI通信-软件与硬件读写SPI 软件SPI一、SPI通信协议1、SPI通信2、硬件电路3、移位示意图4、SPI时序基本单元(1)开始通信和结束通信(2)模式0---用的最多(3)模式1(4)模式2(5)模式3 5、SPI时序(1)写使能(2)指定地址写(3)指定地址读 二、W25Q64模块介绍1、W25Q64简介2、硬件电路3、W25Q64框图4、Flash操作注意事项软件SPI读写W2

SpringBoot项目是如何启动

启动步骤 概念 运行main方法,初始化SpringApplication 从spring.factories读取listener ApplicationContentInitializer运行run方法读取环境变量,配置信息创建SpringApplication上下文预初始化上下文,将启动类作为配置类进行读取调用 refresh 加载 IOC容器,加载所有的自动配置类,创建容器在这个过程