机器视觉-相机镜头光源介绍及选型-8.镜头选型

2024-03-20 09:08

本文主要是介绍机器视觉-相机镜头光源介绍及选型-8.镜头选型,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!

镜头选型
=====================================================================================
1.1.选择依据:
    根据物体大小(视野),物距,精度确定相机CCD靶面尺寸;从而计算出焦距,放大率;
    然后根据分辩率,对比度,景深,光圈,接口畸变允许范围等确定型号。
   
1.2.选择步骤:
    (1) 根据精度确定相机最大CCD靶面尺寸
    (2) 选择镜头焦距-已知CCD尺寸,工作距离(WD)和视野(FOV),可计算镜头焦距(f)
    (3) 镜头视野角度-相机靶面决定了视野
    (4) 确定镜头分辨率-镜头分辨率>=相机分辨率 注1
    (5) 选择镜头光圈-通光量,手动自动光圈
        光圈决定图像亮度,高速运动物体曝光时间短,选用大光圈
        光圈值F=镜头焦距/通光孔径
        通光量=1/F^2
    (6) 镜头类别选择-远心,变焦镜头
    (7) 选择镜头接口-CS安装座安装C镜头加5mm接圈;C座安装CS镜头加镜头转换器;

注1:
    # 镜头分辨率与相机对应各自极限空间分辨率(即MTF对应空间截止频率)
    100万像素镜头对应极限空间分辨率为90线对/mm >= 相机极限分辨率
    200万像素镜头对应极限空间分辨率为110线对/mm
    500万像素镜头对应极限空间分辨率为160线对/mm

    1/2"CCD靶面镜头最低分辨率=38对线 / mm
    1/3"CCD靶面镜头最低分辨率=50对线 / mm  #靶面越小,对镜头分辨率越高
   
    镜头成像尺寸应同CCD靶面尺寸相一致;有1",2/3",1/2",1/3",1/4",1/5"
    1/2"镜头可用1/2",1/3"相机(视角减少25%);1/3"镜头用1/3"相机(禁用1 / 2")
   
    相机极限空间分辨率 = 1/(单个像元尺寸*2),单位:线对/mm
    实例:
    普密斯工业相机VP-CCN-0130B14BDC,130万,1/3"CCD,像元尺寸3.75um*3.75um.
    相机极限空间分辨率 = 1mm/(3.75um*2)=133.33线对/mm#选择500万像素工业镜头
   
=======================================================================================
2.技术依据

2.1.远心镜头:为纠正传统镜头视差而设计,在一定物距范围内图像放大倍率不随物距变化而变化
2.2.定焦镜头:适用室内固定目标
2.2.变焦镜头:有手动自动;可使目标放大或缩小;规格有6倍(6.0~36mm,F1.2),8倍(4.5~36mm,F1.6),
                          10倍(8.0~80mm,F1.2),12倍(6.0~72mm,F1.2),20倍(10~200mm,F1.2)
2.3.快速聚焦:
    手动光圈镜头:适用光照稳定;可配合快门适用多种光线。
    自动光圈镜头:照明变化大或移动目标;可配合快门适用多种光线。亮度变化大,范围广
   
2.4.other
    (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;焦距越短,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。

备注:
调节时当图像模糊不清楚,可调整摄像头后焦点,改变CCD芯片与镜头基准面距离,使图像变得清晰

=======================================================================================


3.计算

已知:镜头M2514-MP:f=25mm;H1=26.77mm,选用1/2"(6.4mm*4.8mm)CCD

3.1.视场计算:
    1).前景深: ∆L1=FδL²/(f²+FδL)
    2).后景深: ∆L2=FδL²/(f²-FδL)
    3).景深:    ΔL=∆L1+∆L2   
   
3.2.焦距计算:
    1.1)焦距mm:f=WD*h'/h      (等价:f=WD*CCD(w')/FOV(w))
    1.2)物距:WD=H1*f*h/h'     (等价:工作距离:WD=H1*f*w/w')

    2.1)视场FOV:(h or v) = WD * CCD(h' or v') /f
    2.2)视场FOV:(h or v) = CCD(h' or v')/m
    2.3)芯片尺寸CCD:(h' or v')=相机画数*FOV(有效画数h or v)
    2.4)物高:h = h’/m
    2.5)像高:h’ = mh

    3.1)光学倍率:m = CCD(h' or v') /FOV(h or v)(等价:放大率:m=h’/h= w’/w)

3.3.视场角计算:
    1.1)Qw = 2arctan (w / 2WD) #水平视场角Qw(水平观看的角度)
    1.2)Qh = 2arctan (h/ 2WD)  #垂直视场角Qh(垂直观看的角度)
        
        #计算视场宽度和高度
    2.1)w = 2WDtan(Qw / 2) (Qw:水平视角)
    2.2)h = 2WDtan(Qh / 2)  (Qh:垂直视角)

3.4.备注:
1)参数:
    WD or L:镜头到物体距离(对焦距离);H1:first primcipal point相机画数
    h,v:物体高宽;h',v':CCD芯片高度宽度;f:镜头焦距 F:镜头光圈值
    δ:容许弥散圆直径;ΔL1:前景深;ΔL2后景深;ΔL景深
   
2)CCD靶面规格尺寸:单位mm(1 inch = 16mm ≠25.4mm)
      规格:  1/4"  1/3"  1/2"  2/3"  1"
    w'宽度:  3.6   4.8   6.4   8.8   12.7
    h'高度:  2.7   3.6   4.8   6.6   9.5
    d 斜边:  4.5   6     8     11   15.9       
   
3)弥散圆直径:
    不同厂家、不同面积都有不同容许弥散圆直径定义,常用:
    画幅:            24mm x 36mm     6cm x 9cm    4" x 5"
    弥散圆直径:0.035mm              0.0817mm     0.146mm

4)像元尺寸
  像元尺寸是相机芯片上每个像元的实际物理尺寸;常用有2.2,3.45,3.75,4.8,5.5,5.86,7.4μm
  像元尺寸越大能接收到光子数量越多,芯片灵敏度越高,感光性越好,所成图像越亮

5)计算说明
    a)景深随镜头的焦距、光圈值、拍摄距离而变化。对于固定焦距和拍摄距离,使用光圈越小,景深越大
    b)视场指被摄取物体大小,视场大小是以镜头至被摄取物体距离,镜头焦距及所要求成像大小确定。
    c)当焦距数值算出后,如没有对应焦距镜头很正常,2/3“镜头f=5-7mm,1“镜头f= 12-75mm,
        可根据产品目录选择相近型号,一般选择比计算值小,这样视角还会大一些
       
 =====================================================================================   
 3.5.实例:200/2.8对焦在5m时,f/2.8的景深:
 δ=0.035mm;L=5000mm;F=2.8;f= 200mm

∆L1=FδL²/(f²+FδL) =2.8*0.035*5000*5000/(200*200+2.8*0.035*5000)=60.5mm
∆L2=FδL²/(f²-FδL) =2.8*0.035*5000*5000/(200*200-2.8*0.035*5000)=62.0mm
ΔL=∆L1+∆L2  =122.5mm

结论:该镜头在用f/2.8拍摄时,清晰范围是从4.9395m~5.062m,景深很浅

=====================================================================================
4.远心镜头选型计算

光学放大倍率:m=CCD相机元素尺寸/视场实际尺寸=CCD(h' or v')/FOV(h or v)
检测精度=相机像素尺寸v'/m  #表示每个像素对点实际尺寸是多少,同样靶面大小相机,像素点越多精度越高

分辨率:表示最小能分辨的细节大小,单位线对LP/mm,表示1mm能分开多少个线对数
=====================================================================================
5.国内知名厂商:

http://www.pomeas.cn/newsview/453.html普密斯视觉技术有限公司
https://www.optmv.com/product/camera.html奥普特视觉科技有限公司
上海威朗光

这篇关于机器视觉-相机镜头光源介绍及选型-8.镜头选型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/828958

相关文章

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中,很多工作都需要与数据打交

java脚本使用不同版本jdk的说明介绍

《java脚本使用不同版本jdk的说明介绍》本文介绍了在Java中执行JavaScript脚本的几种方式,包括使用ScriptEngine、Nashorn和GraalVM,ScriptEngine适用... 目录Java脚本使用不同版本jdk的说明1.使用ScriptEngine执行javascript2.

Python实现NLP的完整流程介绍

《Python实现NLP的完整流程介绍》这篇文章主要为大家详细介绍了Python实现NLP的完整流程,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 编程安装和导入必要的库2. 文本数据准备3. 文本预处理3.1 小写化3.2 分词(Tokenizatio

java如何分布式锁实现和选型

《java如何分布式锁实现和选型》文章介绍了分布式锁的重要性以及在分布式系统中常见的问题和需求,它详细阐述了如何使用分布式锁来确保数据的一致性和系统的高可用性,文章还提供了基于数据库、Redis和Zo... 目录引言:分布式锁的重要性与分布式系统中的常见问题和需求分布式锁的重要性分布式系统中常见的问题和需求

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

【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

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

【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