【工业相机】【深度2】相机靶面大小和测量精度的关系分析和计算：@opencv

Franklin

已于 2022-05-04 17:55:38 修改

阅读量1.1w

点赞数 13

分类专栏：机器视觉文章标签：机器视觉工业相机选型公式计算机视觉

于 2021-02-08 18:36:13 首次发布

本文链接：https://blog.csdn.net/yellow_hill/article/details/113619754

版权

机器视觉专栏收录该内容

45 篇文章 57 订阅

订阅专栏

本文深入探讨工业相机的参数，包括靶面尺寸、镜头、像素和精度等，并提供计算工具。介绍了如何根据测量需求选择合适的相机参数，如通过放大倍数计算、视野与分辨率的计算等。同时强调了光照、工作距离等因素对成像质量的影响，以及在不同应用场景（如读码、零件测量、缺陷检测等）中的应用策略。

摘要由CSDN通过智能技术生成

前言：本文分析工业相机的靶面、镜头和精度的约束和相关关系：所谓工业相机（整机）这里指的是：相机 + 镜头。

我们先把各个参数列个表述。整机参数分别由相机和镜头参数联合决定。本文略过基础知识，阅读者需具备基本视觉知识

非常透彻的介绍了几乎所有常用的相机参数计算选择工具

下表，列举了工业相机的主要参数：

值得注意的是，工业相机最终表现出来的参数，是由相机参数和镜头参数，以及外部条件约束，组合起来的。有些参数，相机机身有，镜头有，有的是联合表述。

这些参数要搞清楚，才不会混淆，导致计算错误。

内部参数
参数	相机整机参数	举例、单位	相机机身参数	举例	镜头参数		最终决定	说明
像素	相机像素	1920*1080 (pixel)	分辨率百万量级	200万（2073600）（pixel）			镜头和传感器低者
分辨率 (resolution)	分辨率（ODS） optical delivery system		传感器像素点		物方分辨率
					像方分辨率	lp/mm
					MTF/ Contrast		0.3 的MTF亮度值是底线
靶面尺寸	靶面尺寸	`1/3英寸`	传感器感光面积	1/3英寸
外部参数（测量需求）
WD	镜头到相机距离
测量精度(accuracy)	测量的最小物体大小	0.02 mm/pixel

准备知识1：相机像素和分辨率

像素和分辨率的关系

准备知识2：图质量和精度的决定因素：

对机器视觉而言，3个决定因素：

相机：分辨率、传感器类别类别
光学镜头：工作距离，焦距
光照：光照均匀度、光强、降低杂散光、背景噪音

准备知识3：应用场景：

2D 读码

零件测量【距离】

缺陷检测【光照为最关键】

视觉导航

装配

一、CCD/CMOS靶面尺寸型号标准：

白圈表示光导摄像管成像区域，绿色部分表示CCD/CMOS靶面区域：

典型靶面尺寸类型和定义：

【表一】

二，计算方法汇总：

2.1 放大倍数的计算方法

标识	输入参数	举例
FOV(H)物距视野Hd	物距下相机水平视野	33cm
(CMOSH)靶面尺寸	1/4	查表一： D = 4 mm V = 2.4mm H = 3.2 mm
	输出参数
Md	物距放大倍数	=0.0096

Md = CmosH / FovH = 3.2mm / 330mm = 0.0096

2.2 视场的计算方法

2.1.1 工业相机实际计算的视野（长边）

标识	输入参数	举例
物距 u	镜头到物体距离	60cm
靶面尺寸	1/4	查表一： D = 4 mm V = 2.4mm H = 3.2 mm
焦距 f		8mm
	输出参数
视野 X		240mm

X = (600) * 3.2 / 8mm = 240 mm

公式应用：已知被测物长边330mm,焦距8mm,相机传感器长边3.2mm，需要的镜头到物体距离： 330*8/3.2 = 825mm

反求焦距

如果已知物体拍摄尺寸，比如330mm,和距离600mm, 相机靶面大小3.2mm,求焦距：

F = 600*3.2 / 330 = 5.8 mm

2.1.2 镜头视野；

2.2 FOV-Part分辨率的计算

相机所需最小分率计算[案] - 视野下能否拍最小的物体 - 传感器靶面像素需求计算方法-缺陷和物体检测计算方法和举例：

[Franklin案】When we are designing a machine vision system, two of our most important considerations are the sizes of the part and the defect.

That is,

what is our Field of View (FOV)
and within that FOV what is the smallest defect we can reliably detect?

Let’s say the part is 40mm square and we need to detect a .02mm defect. The following formula determines the camera resolution required: FOV/ Defect size = Number of gradations (pixels) 40mm/ .02mm = 2,000

标识	输入参数	举例
FOV	FOV	12寸（30.38cm）
Cmin	物体需要在靶面上占据	3到5个像素点(最少2个）
Smin（Accuracy）	最小被测量物体大小:	0.25寸（0.635cm）
	输出参数
某方向像素需求	相机分辨率	144 pixel

公式2.2

= 144

那么一个640水平像素的相机可以满足要求。

【Franklin案】这里FOV，理解为测距离的长边上。

举例2：

测试的长边为:330cm,测试的物体最小长边为：3cm，计算：

330/3*4 = 440 pixel ，选用640相机可以满足要求

举例3：

2.3 [案】 - Defect是否满足相机的精度能否满足需求 - 传感器靶面像素需求计算方法-测量和抓取应用计算方法和举例：

determines the camera resolution required:

标识	输入参数	举例
相机分辨率 Nh		640
FOV（H）	FOV(H)	330mm

FOV（H）	FOV(H)	2寸（5.08cm）
精度要求 D Defect	最小测量精度要求	0.05 mm
精度要求 D Defect	最小测量精度要求	0.01寸

	输出参数
最大精度	能否达成？	0.0031寸 < 0.01寸可以达成
某方向像素需求	相机分辨率	144 pixel

公式2.3 determines the camera resolution required: 已知被测物需求精度，求相机分辨率

FOV(H) / D

举例：

测试的长边为:330cm,测试的精度要求为0.05mm，相机精度要求为

330/0.05 = 6600，当然，选用640相机不可以满足要求

公式2.3-2 determines the camera resolution Enough or Not: 已知相机分辨率，看是否满足要求

FOV(H) / Nh = 2/640

举例：

测试的长边为:2寸,测试的精度要求为0.01寸，计算：640 * 480 能否满足精度要求。

2/640 = 0.0031，选用640相机可以满足要求

小结：提高精度和减少FOV的办法，多个相机：

三、靶面尺寸和相机像素关系：

3.1 放大倍率

3.1.1 应用场景-相机放大倍率：

标识	输入参数	举例
物距视野Hd	物距下相机水平视野	33cm
靶面尺寸 S	1/4	查表一： D = 4 mm V = 2.4mm H = 3.2 mm
	输出参数
Md	物距放大倍数	=0.0096

公式3.1

Md = S/Hd = 3.2mm / 33cm = 0.0096

3.1.2 精度倒算-镜头放大倍率计算

标识	已知输入参数	举例
C	单位转换 um -> mm	1000
S	相机像元尺寸（相机型号尺寸）	4.8 μm × 4.8 μm
Hmin	需求精度被测物体最小高度	0.05 mm
2	奈奎施特采样参数	>=2
	输出参数
M	放大倍数	0.096
R	分辨率 - 每毫米可以排列的