技術支持
CoaXPress2.0 CoaXPress是專業和工業成像應用(例如機器視覺、醫學成像、生命科學、廣播和國防)的全球最快標準。它是一種不對稱的點對點串行通信標準,可通過單根或多根同軸電纜傳輸視頻和靜止圖像,CXP 1.1相機已經面世了十年,它具有用于視頻、圖像和數據的每條電纜高達6.25 Gbps的高速下行鏈路特點,其使用的標準連接器為75?BNC和DIN1.0/2.3;目前CXP1.1引入的單個通道最大傳輸速度為6.25Gbps,對于CXP-10,CXP 2.0將其提高到10 Gbps,對于CXP-12,CXP2.0將其提高到12.5 Gbps。 作為CXP協議的制定商之一的Active Silicon,CXP-12采集卡上行速度提高一倍,達到42Mbps,因此現在可以實現超過500kHz的觸發速率。實時觸發是CoaXPress眾所周知的優勢,并且是許多工業檢測系統中的關鍵功能,值得注意的是,CXP-12采集卡首選的連接器是Micro-BNC,也稱為HD-BNC,使用更小的連接器能合并到更緊湊的硬件中;CXP2.0協議引入了多目標功能,因此可以將數據從單個攝像機輸出到位于不同PC上的多個圖像采集卡。 該標準的未來版本有望包括對GenDC的正式支持,與預期的光接口的兼容性以及對串行通信的支持。速度可能會隨著技術的發展而提升。 5GigE IEEE 802.3bz-2016的發布旨在為雙絞線以太網連接提供增強的標準,速度為2.5和5 Gbps。獲得了當前1 Gb和10 Gb以太網標準之間的中間速度。產生的標準稱為2.5GBase-T和5GBase-T,或2.5和5 GigE Vision。可通過標準的at5eC電纜以高達5 Gbps的速度傳輸,提供更大的靈活性。使用普通的銅雙絞線,該技術可以將數據傳輸容量提高到100米,而銅雙絞線往往是傳統系統中的標準配置。 2.5G超過100米Cat5e(D類)非屏蔽雙絞線銅纜 5Gb/s超過100米Cat5e(D類)非屏蔽雙絞線銅纜 5Gb/s超過100米Cat6(E類)非屏蔽雙絞線銅電纜 10GigE 10GigE(萬兆以太網),一種以太網的傳輸標準,最初在2002年通過,成為 IEEE Std 802.3ae-2002。它規范了以 10 Gbit/s 的速率來傳輸的以太網,因為速率是1GigE以太網的十倍,因此得名。 10GBase-T連接中使用的標準銅纜(Cat6,Cat6a和Cat7)支持的最大長度為100 m,這取決于所用電纜的類型。但是,Cat6電纜最多只能使用55 m的長度,Cat6a或Cat7電纜的距離更長;光纖電纜可提供更長距離的傳輸,但需要轉換器來生成光信號和NIC卡中的光接收器,支持以太網供電(PoE)和同一根電纜。 25GigE 千兆以太網視覺發布于2006年,傳輸距離高達100m。當攝像頭為低分辨率甚至現在使用中分辨率攝像頭(例如12Mpx)和低幀速率要求時,這種方法就可以工作。現在,為了獲得更高的分辨率并支持更高的幀速率(即更高的帶寬),業界開始采用5、10和25 GigE視覺,這比原始GigE Vision接口快5、10和25倍。直到長度為25GigE的點式光纜接管為止,電纜的長度都會有所妥協。某些PC支持新的速度,但是實際上任何現代PC都可以添加相對便宜的網絡接口卡(NIC),能實現更高的速度。 25GigE SFP28接口提供了三個選項,可以滿足所有應用的電纜長度要求。第一種選擇是使用SFP28多模光纖模塊/收發器和LC-LC多模光纖電纜,電纜長度從1M到70M。第二種選擇使用SFP28單模光纖模塊/收發器和LC-LC單模光纖電纜,電纜長度范圍從1M到10KM。第三種選擇是使用低成本直接連接來連接1至5米之間的電纜。相比于CXP連接器,25 GigE的連接器碩大無比。 【來源:光虎視覺內部培訓資料】
世界平面測量與校正 與觀察和檢查平面(平坦)表面或放置在此類表面(例如傳送帶)上的物體有關的視覺系統可以利用Adaptive Vision Studio的圖像到世界平面轉換機制,該機制可以: 從原始圖像上的位置計算現實世界的坐標。例如,這對于與外部設備(例如工業機器人)的互操作性至關重要。假設在圖像上檢測到對象,并且需要將其位置傳輸到機器人。檢測到的對象位置以圖像坐標給出,但是機器人在現實世界中使用不同的坐標系進行操作,需要一個由世界平面定義的通用坐標系。 將圖像校正到世界平面上。當使用原始圖像進行圖像分析不可行時(由于高度的鏡頭和/或透視失真),這是必需的。對校正圖像執行的分析結果也可以轉換為由世界平面坐標系定義的真實坐標。另一個用例是將所有攝像機的圖像校正到公共世界平面上的多攝像機系統校正,從而在這些校正后的圖像之間提供簡單且定義明確的關系,從而可以輕松疊加或拼接。 下圖顯示了圖像坐標系。圖像坐標以像素表示,原點(0,0)對應于圖像的左上角。X軸從圖像的左邊緣開始,并向右邊緣。Y軸從圖像的頂部開始向圖像的底部開始。所有圖像像素都具有非負坐標。 圖像坐標中的方向和像素位置 這個世界平面是一個特殊的平面,在真實的三維世界中定義。它可以任意放置在相機上,有一個定義的原點和XY軸。 下面的圖像顯示了世界平面。第一幅圖像呈現原始圖像,這是由一個尚未安裝在感興趣物體上方的相機拍攝的。第二個圖像顯示的是世界平面,它已與物體所在的表面對齊。這允許從原始圖像上的像素位置計算世界坐標,或者進行圖像校正,如下一幅圖像所示。 不完全定位的相機捕獲的感興趣對象 世界平面坐標系疊加在原始圖像上 圖像到世界平面坐標的計算 圖像校正,在世界坐標下,將從點(0,0)到(5,5)的區域裁剪 如何實現相機標定? 使用針孔相機模型 濾波器通過有效地最小化RMS重投影誤差(圖像上觀察到的網格點之間的平均平方距離的平方根),從一組平面校準網格中估計攝像機的固有參數-焦距,主點位置和畸變系數,使用估計的參數(即網格姿態和相機參數)將關聯的網格坐標投影到圖像平面上。如果至少一個校準網格不垂直于相機的光軸,則可以通過濾鏡計算焦距。或者,可以通過inFocalLength將焦距設置為固定值。inFocalLength以像素為單位測量,可以通過傳感器和鏡頭參數計算得出: 其中f_pix焦距測量為像素,f_鏡頭焦距測量為毫米,pp-傳感器像素間距測量為每像素毫米,d-攝像機結合或/和圖像縮小因子。 InFocalLength也可以從視角獲得,對于水平情況,適用以下公式: 其中f_pix焦距以像素為單位,w-圖像寬度,α-水平視角 支持一些失真模型類型。最簡單的部門支持大多數用例,即使校準數據稀疏也具有可預測的行為。高階模型可能更準確,但是它們需要更大的高質量校準點數據集,通常需要在低于0.1 pix的整個圖像量級上實現高水平的位置精度。當然,這只是經驗法則,因為每個鏡頭都不同,并且有例外。 失真模型類型與OpenCV兼容,并使用標準化圖像坐標用方程表示: 分部失真模型 多項式失真模型 多項式--薄棱鏡畸變模型其中,x’和y’不失真,x”和y”是失真的歸一化圖像坐標。 相機模型可直接用于獲取未失真的圖像(該圖像將由具有相同基本參數的相機拍攝,但不存在鏡頭失真),但是在大多數情況下,相機校準只是某些條件的先決條件其他操作。例如,當使用照相機檢查平面(或放置在該表面上的物體)時,需要照相機模型來執行世界平面校準 一組用于基本校準的柵格圖像 使用OUT ReprojectionErrorSegments用于識別圖像點及其網格坐標的不良關聯。 InImageGrids-兩分交換校準網格的提取 相機校準和圖像到世界平面的轉換計算均使用具有網格索引的圖像點陣列形式的提取的校準網格,即帶注釋的點。 網格的實際坐標是2D,因為平面網格上任何點的相對坐標都是0。 Adaptive Vision Studio為幾種標準網格格式提供了提取過濾器(例如DetectCalibrationGrid_Chessboard和DetectCalibrationGrid Circles)。 獲得高精度結果的最重要因素是提取的校準點的精度和準確性。校準網格應盡可能平坦且堅硬(紙板不是合適的支撐材料,厚玻璃是完美的選擇)。拍攝校準圖像時,請注意適當的條件:通過適當的相機和柵格安裝座最大程度地減少運動模糊,防止來自校準表面的反射(最好使用漫射照明)。使用自定義校準網格時,請確保點提取器可以達到亞像素精度。驗證真實網格坐標的測量結果是否準確。另外,使用棋盤格校準格時,請確保整個校準格在圖像中可見。否則,將不會檢測到它,因為檢測算法需要在棋盤周圍有幾個像素寬的空白區域。請注意列數和行數,因為提供誤導性數據可能會使算法無法正常工作或根本無法工作。 使用圓點標定板的圖片示例: 使用棋盤標定版的圖片示例,只需要拍攝標定板的圖片,并通過ImageObjectsToWorldPlane:Points過濾器模塊,輸入棋盤格的尺寸以及棋盤格所對應的像素,即可實現相機標定以及畸變校正。 再輸入棋盤格每個方形格的實際尺寸,即可實現世界坐標轉換圖像坐標。 【來源:光虎視覺內部培訓資料】
相機標定,是一個估計相機模型參數的過程:一組描述圖像捕獲過程內部幾何形狀的參數。
與可見光面陣相機相比,SWIR光子被對象反射或吸收,從而提供了高分辨率成像所需的強烈對比度。
熒光,是指一種光致發光的冷發光現象。
紫外線產生的本質是電暈放電,它是一種局部化的放電現象, 在極不均勻的電場環境下,當電壓還未能引起擊穿前,電離現象已經非常強烈,大量空間的電荷積聚一起,使得間隙中的電場發生畸變。
Emergent在運用包括PTP和硬件觸發在內的各種方法來同步相機方面擁有極其豐富的經驗,可以輕而易舉地實現微秒級精度。
LUT是Look Up Table(顏色查找表)的縮寫。
光虎視覺代理的Adaptive Vision公司軟件帶有深度學習插件,本文重點介紹了深度學習的應用示例,適用于各種檢測場景。
動態范圍是圖像傳感器最重要的參數之一,決定了攝出圖像的細節。光虎視覺代理的高動態范圍相機就極受歡迎。
工業自動化重點難題之一是視覺引導的機器人技術,尤其是箱中取物。光虎視覺合作公司Photoneo分析了箱中取物的不同類型。
高速攝像機主要應用于科研、軍事測試以及工業生產評估等領域,文中多組圖片是由光虎視覺代理的高速攝像機所攝。