当前位置: 首页 > news >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.dtcms.com/a/359631.html

相关文章:

  • 【不懂就问】-手机相关学习
  • 打开多个Excel文件后快速关闭所有的文档,并且退出Excel应用
  • Docker一小时快速上手(附报错解决方式)
  • 并发编程——11 并发容器(Map、List、Set)实战及其原理分析
  • deep seek的对话记录如何导出
  • CICD实战(1) - 使用Arbess+GitPuk+Docker快速实现项目打包构建、docker部署
  • 视频理解与行为识别全景综述
  • 计算机网络:(十六)TCP 的运输连接管理
  • 传统数据库out啦!KINGBASE ES V9R1C10 开启国产数据库“修仙”新纪元!
  • Redis六大常见命令详解:从set/get到过期策略的全方位解析
  • 大模型推理技术解析
  • AI热点周报(8.24~8.30):Grok 2.5开源,OpenAI Realtime正式商用,Meta或与OpenAI或Google合作?
  • 学习记录(二十二)--Overleaf中生成的PDF左上角1.5em问题
  • 【stm32】对射式红外传感器计次以及旋转编码器计次
  • 基于单片机智能大棚/温室大棚/智慧农业/智能栽培种植系统/温湿度控制
  • 使用VBA实现快速多重数据筛选
  • Flink部署实战:从入门到优化
  • 第 14 篇:K-Means与聚类思维——当AI在没有“标准答案”的世界里寻宝
  • python实现滤波器的简单案例
  • python如何打开显示svg图片
  • 阿里云-应用实时监控服务 ARMS
  • Unity笔记(九)——画线功能Linerenderer、范围检测、射线检测
  • AFSIM仿真脚本生成(三)脚本解析技术加速验证过程
  • Linux 系统都有哪些
  • HikariCP vs DBCP2 vs Tomcat JDBC:多场景数据库连接池方案对比与实践指南
  • 大模型RAG项目实战:Milvus向量数据库
  • 《SVA断言系统学习之路》【02】并发断言
  • C++11语言(三)
  • 读书笔记共享平台|基于SpringBoot的设计与实现
  • 大模型面试题剖析:PPO 与 GRPO 强化学习算法核心差异解析