相机镜头硬件选型--机器视觉


镜头成像原理

先来看一下透镜成像原理:

根据这个关系。可以确认物距 u = 焦距f * (1/放大系数 + 1)

机器视觉硬件选型,要根据精度、视野范围、物距范围,来确认相机,镜头的选型。

相机选型

  • 案例: 精度要求0.01,视野范围 10*10mm, 物距150±50,快门无要求

一般的,对硬件的选型都取1/3作为理论安全系数进行选型,但是需要考虑部分客观性因素,那么最好使用1/5进行保险的安全系数。

这里我们按照1/3理论值来计算单像素精度:0.01 / 3 mm=3.333μ 。

相机分辨率:视野/单像素精度 = 3000*3000(10mm=10000um 10000/3.333≈3000)

因此找到分辨率比较接近的一款即可

镜头选型

放大系数i = 像元尺寸/单像素精度 = 1.85/3.333= 0.56(得出镜头的放大倍率要到0.56)

根据:物距 u = 焦距f * ( 1 / 放大系数 + 1)

推导: 焦距f = 物距 u / ( 1 / 放大系数 + 1) = 150 /(1 / 0.56 +1)= 53.8

最接近53.8 的,是50mm镜头。

实际物距:物距 u = 焦距f * ( 1 / 放大系数 + 1)= 50 *(1 / 0.56 +1)= 139mm

实际相距v = 放大系数 * 物距 u = 0.56 * 139 = 77.84 ≈ 78

根据相机芯片靶面 < 镜头像面尺寸(也可理解位镜头靶面),则镜头像面尺寸参数要大于1/1.7’’

至此,我们获得了镜头的焦距、像面尺寸的参数,可以确定的是,我们需要使用50mm焦距的镜头,并且靶面要大于1/1.7’’;

然后,我们可以根据镜头硬件的MTF参数表,计算有效分辨率,例如:MVL-MF5028M-8MP这款镜头,MTF图显示大于0.3 线对大于160 ,有效分辨率500/160 = 3.125μ。

MTF曲线图,不同颜色代表中心及周边不同的视场(或称像圈大小),每种颜色会有两条曲线,分别代表子午像(T)和弧矢像(S)。不难看出,MTF曲线与横、纵坐标围成的面积越大,代表镜头成像性能越好;不同颜色曲线越接近,代表视场中心和周边成像一致性越好;S与T越接近,代表不同方向的成像越一致。

关于镜头的解析力,也就是镜头型号后的xMP参数,一般默认选择相机分辨率的1/2,即:这里相机我们选择CU120这款,分辨率是1200w的,那么选型时选择600W以上的镜头就好(600w是镜头最小分辨率)。

同时也可参照MTF图进行精度计算,计算在0.3时以上时,其有效分辨率是否达到单像素精度的要求;

硬件参数含义

  • 相机参数

靶面尺寸:就是芯片尺寸,就是分辨率*像元尺寸。 同样的分辨率,像元尺寸越大,成像质量越好。价格越贵。

帧率:主要与分辨率 和 通讯接口相关, 同样的通讯接口, 分辨率越高,帧率越低。 提高帧率,要么降低分辨率,要么更换更快的通讯接口;同样的分辨率,U口的最大工作帧率要大于网口相机的。

镜头接口:最常用的的C接口,选镜头的时候,接口一定要对上。

快门方式:全局,卷帘。 全局支持飞拍。全局比卷帘贵。

靶面尺寸:就是芯片尺寸,就是分辨率*像元尺寸。 同样的分辨率,像元尺寸越大,成像质量越好。价格越贵。例如:CU120这款,分辨率是4024 × 3036,像元尺寸1.85 μm × 1.85 μm,则芯片尺寸 = (4024 * 1.85) * (3026 * 1.85 ) = 7.4 * 5.6 mm

  • 镜头参数

靶面尺寸:镜头靶面尺寸一定要大于相机的芯片靶面尺寸。

焦距:影响物距。同样视野下,并聚焦,焦距越大,物距越远;焦距和物距成正比关系

焦距f = WD(物距) × 相机芯片尺寸( h or v) / FOV视场( H or V)

光圈:光圈越大,支持越短的曝光时间。 光圈越小,景深越大。 镜头最佳成像质量光圈,一般在最大光圈,回缩一点的位置。比如F2.4光圈镜头,最佳成像质量就是2.2-2 的位置。(主观看法,没有试验依据)

镜头接口:要与相机接口一致,常用C口接口。

线对:0.3以上的线对才有意义。 比如200线对,就是 1mm范围内,有200对黑白相间的线条。 白色线条成像灰度是 GW, 黑色线条成像灰度是GB(参考MTF曲线图)

计算:r = GW-GB/GW+GB

r>0.3以上

比如: GW = 170, GB= 80

r = 170-80/170+80 = 0.36

海康视觉硬件选型

可以前往海康机器人官网 进行硬件选型,根据指示和参数进行填写,即可获取符合需求的镜头型号

https://www.hikrobotics.com/cn/machinevision/visionproduct?typeId=40&id=247


文章作者: Viktor Chen
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Viktor Chen !
评论
  目录