当前位置: 首页 > java >正文

线阵相机和镜头选型案例介绍

文章目录

  • 前言
    • 线阵与面阵区别
    • 线阵相机的特性
  • 1.线扫相机的选型
    • 1.1 线阵相机参数
    • 1.2 线扫相机的选型:
      • 1.2.1 计算实例一:
      • 1.2.2 计算实例二:
    • 1.3 行频调整
  • 2.线阵镜头选型
    • 2.1 线阵镜头参数
      • 2.1.1 镜头接口类型
      • 2.1.2 相机与镜头搭配注意事项
    • 2.2 线阵镜头的选型
      • 2.2.1 选型案例一:
      • 2.2.2 选型案例二:
  • 3.参考案例

前言

线阵与面阵区别

在这里插入图片描述

线阵相机的特性

在这里插入图片描述

1.线扫相机的选型

1.1 线阵相机参数

  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
在这里插入图片描述

1.2 线扫相机的选型:

  1.计算分辨率:幅宽/最小检测精度=每行需要的像素(图A:幅宽>>被拍摄物;图B:幅宽>被拍摄物;图C:幅宽≈被拍摄物 )
  2.确定像素精度:幅宽/像素数=像素精度
  3.确定行频:每秒运动速度/像素精度=理想行频
  4.根据分辨率与行频,选定相机
在这里插入图片描述

1.2.1 计算实例一:

需求:幅宽为1800毫米、客户要求精度1毫米、运动速度25000mm/s

  相机:1800/1=1800像素,最少2000像素,选定为2k相机。如想提高清晰度,则可用2-5个像素表达1mm,则在现有像素值上乘以2-5倍。
  像素精度:1800/2048=0.9
  理想行频:25000mm/0.9mm=27.8KHz
  选择实际行频大于27.8KHz的2K相机即可

1.2.2 计算实例二:

在这里插入图片描述

1.3 行频调整

  首先设定以下变量
  1.Hc:线阵相机的线数,如2K,4K,8K,16K等(单位:pixel)
  2.Lo:目标物的幅宽(单位:mm)
  3.Vo:目标物运行速率(单位:mm/s)
  4.Vc:线阵相机线扫描速率(单位:Hz,即 线/s)

  PH:横向精度(每个像素代表的实际宽度 单位:mm)

横向扫描精度:目标物的幅宽/线阵相机的线数,即PH=Lo/Hc ;

  PL:纵向精度(每个像素扫描的实际长度 单位:mm)

纵向扫描精度:目标物运行速率/线阵相机线扫描速率,即PL=Vo/Vc ;

  要想成像条件好,需要横向分辨率和纵向分辨率相等:

Lo/Hc=Vo/Vc

  相机的线扫描速率为:

Vc =(Hc ×Vo)/Lo

  其中Hc是线阵相机的线数, Lo目标物的幅宽,Vo目标物运行速率。

在这里插入图片描述

2.线阵镜头选型

2.1 线阵镜头参数

  法兰距:相机接口定位面到像面的距离
  机械后截距:镜头最后的机械面到像面的距离
  光学后截距:镜头最后端镜片表面顶点到像面的距离
在这里插入图片描述

在这里插入图片描述

2.1.1 镜头接口类型

  工业相机中有各种不同直径或法兰距的相机,相应地存在与其匹配的多种镜头。
  镜头接口:相机和镜头的连接处,通常有C口、 CS口、 K口和F口等
在这里插入图片描述

2.1.2 相机与镜头搭配注意事项

在这里插入图片描述
  待补充

2.2 线阵镜头的选型

2.2.1 选型案例一:

在这里插入图片描述

2.2.2 选型案例二:

在这里插入图片描述

3.参考案例

  1.选型与参数计算
  2.线阵相机及镜头选型方法简介

http://www.xdnf.cn/news/19391.html

相关文章:

  • 雪花算法是什么,时钟回拨问题怎么解决?
  • 第2章 MySQL的调控按钮-启动选项和系统变量
  • React 状态管理演进之路:从 Dva 到现代架构
  • YOLO 目标检测:YOLOv2基本框架、多尺度训练、锚框、维度聚类、位置预测、passthrough
  • 房屋租赁系统|基于SpringBoot和Vue的房屋租赁系统(源码+数据库+文档)
  • 秋招 AI 方向 —— 华为机考
  • Spring MVC 九大组件源码深度剖析(六):HandlerExceptionResolver - 异常处理的艺术
  • 雪花算法实现分布式环境下的高效动态ID生成
  • 20.28 《4bit量化模型预处理揭秘:如何节省75%显存高效微调LLM?》
  • leetcode_74 搜索二维矩阵
  • 通信原理(006)——分贝(dB)超级详细
  • Tomcat 中部署 Web 应用
  • Git 远程仓库操作:推送到远程仓库、拉取远程仓库到本地仓库
  • 软考备考(5)
  • 《以奋斗者为本》读书笔记(上篇:价值管理)
  • 下一波红利:用 #AI编程 闯入小游戏赛道,#看广告变现 模式正在崛起!
  • Ruoyi-vue-plus-5.x第一篇Sa-Token权限认证体系深度解析:1.4 Sa-Token高级特性实现
  • 机器人控制器开发(底层模块)——Rk3588 CAN0调试
  • 检索优化-混合检索
  • Java学习历程17——利用泛型优化自定义动态数组
  • 【70页PPT】WMS助力企业数字化转型(附下载方式)
  • RestTemplate工具类用法总结
  • 如何解决虚拟机异常退出后提示“获取所有权”错误
  • 使用AI大模型Seed1.5-VL精准识别开车接打电话等交通违法行为
  • JC系列串口通信说明
  • 记录一个典型的epoll socket
  • 深度解析Fluss LockUtils类的并发艺术
  • Linux学习----归档和传输文件实用指南
  • Xshell自动化脚本大赛
  • LightGBM(Light Gradient Boosting Machine,轻量级梯度提升机)梳理总结