Все категории

Типы калибровочных целей: сравнительный анализ узоров и их преимущества

Time : 2025-07-25

Точная калибровка камеры является основополагающей для успеха любого приложения машинного/компьютерного зрения. Выбор цели калибровки существенно влияет на точность калибровки, однако существует несколько типов шаблонов — каждый со своими уникальными характеристиками. В этом руководстве анализируются преимущества и ограничения распространенных целей (шахматные доски, круговые сетки и CharuCo) для выбора оптимального варианта.

machine vision case (3).png

I. Размер цели калибровки: важные аспекты

Физические размеры цели калибровки напрямую влияют на точность измерений, в первую очередь через их соотношение с полем зрения (FOV). Ключевые принципы включают:

1. Покрытие FOV: Для надежной калибровки цель должна занимать более 50% пикселей изображения при фронтальном просмотре. Маленькая цель допускает множество комбинаций параметров камеры для объяснения наблюдаемых особенностей, что ухудшает ограничения модели.

2. Стабильность фокусировки: Калибровка предполагает фиксированное рабочее расстояние. Изменение фокусного расстояния или диафрагмы делает предыдущую калибровку недействительной из-за сдвига фокуса и оптических аберраций.

3. Практический совет: Выберите размер цели, соответствующий вашему полю зрения (FOV). Для крупномасштабных измерений (например, при инспекции автомобилей) используйте увеличенные цели или захват в нескольких позициях.

 

II. Типы калибровочных целей: шаблоны и производительность

1. Цели с шахматным узором

Самый распространенный шаблон, поддерживаемый OpenCV, Halcon и MATLAB.

Рабочий процесс обнаружения:

Бинаризация изображения → Обнаружение четырехугольников (темные квадраты) → Фильтрация по размеру/регулярности сетки → Сопоставление с определенными пользователем размерами.

machine vision case (4).png

Преимущества:

Точность субпикселя: углы (математически седловые точки) бесконечно малы, что позволяет точно определять их местоположение при перспективных искажениях (точность: ±0,1 пикселя).

Моделирование искажений: высокая плотность краёв улучшает оценку радиальных/тангенциальных искажений.

Ограничения:

Полная видимость обязательна: вся таблица должна быть видна на всех изображениях, что ограничивает сбор данных об углах (критично для моделирования искажений на краях изображения).

Ограничение симметрии: для стереокалибровки избегайте неоднозначности в 180°, используя чётное количество строк и нечётное количество столбцов (или наоборот).

Лучше всего подходит для: Калибровка одиночной камеры, когда возможно полностью видеть таблицу.

machine vision case (5).png

2. Цилиндрические мишени

Распространённые варианты: чёрные круги на белом фоне или белые круги на чёрном фоне.

Рабочий процесс обнаружения:

Обнаружение "пятен" → фильтрация по площади, круглости и выпуклости → определение структуры решётки.

Преимущества:

Устойчивость к шуму: подбор кругов использует все пиксели периметра, снижая чувствительность к шуму.

Устойчивость к закрытию: частично видимые круги остаются обнаруживаемыми.

Ограничения:

Перспективное искажение: Окружности проецируются в виде эллипсов в перспективе. Искажение объектива дополнительно деформирует формы, вызывая незначительные ошибки подгонки.

Стерео-неоднозначность: Симметричные сетки страдают неоднозначностью на 180°; используйте асимметричные сетки для многокамерных установок.

Лучше всего подходит для: Применение в условиях задней подсветки и средах с переменным освещением.

machine vision case (6).png

3. Цели CharuCo

Гибридный узор, сочетающий углы шахматной доски с маркерами ArUco.

Рабочий процесс обнаружения:

Определить маркеры ArUco → Найти интерполированные седловые точки между маркерами.

Преимущества:

Поддержка частичной видимости: Уникальное кодирование маркеров позволяет выполнять калибровку с частично закрытыми или обрезанными по краям целями.

Устойчивость к изменению освещения: Способен справляться с неравномерным освещением (например, блики).

Уточнение на уровне субпикселей: Достигает точности седловых точек, сравнимой с шахматной доской.

Ограничения:

Сложность алгоритма: Требует специализированных библиотек (OpenCV 3.0+).

Размещение маркеров: Плохо напечатанные маркеры ухудшают обнаружение.

Лучше всего подходит для: Системы с несколькими камерами, объективы с сильным искажением и ограниченное пространство.

machine vision case (1).png

III. Рекомендации по внедрению

1. Качество печати:

Используйте лазерные или травленые мишени на неразносающих подложках.

Обеспечьте плоскостность (допуск на деформацию: <0,1 мм/м²).

2. Протокол съемки:

Сделайте 15–30 снимков с мишенью в разных ориентациях (закройте углы поля обзора).

Соблюдайте постоянство освещения и фокусировки.

3. Особенности библиотек:

OpenCV: Для шахматных досок требуется полная видимость; для CharuCo необходим модуль aruco.

Halcon: Оптимизирован для кольцевых сеток с встроенной обработкой асимметрии.

 

Выбор цели калибровки обеспечивает баланс между требованиями к точности, ограничениями окружающей среды и алгоритмической поддержкой. Хотя шахматные доски обеспечивают максимальную точность в контролируемых условиях, CharuCo предлагает непревзойденную устойчивость для промышленных приложений. Кольцевые сетки обеспечивают разумный баланс для стереосистем. Сопоставляя свойства целей с потребностями вашей системы технического зрения, вы закладываете основу для метрологически корректных измерений — основу надежного машинного зрения.

Предыдущий: Как выбрать промышленные камеры

Следующий: Полное руководство по выбору телескопических объективов для успеха машинного зрения

ЗапросЗапрос

Свяжитесь с HIFLY сегодня:

Имя
Компания
Мобильный
Страна
Электронная почта
Сообщение
0/1000
Электронная почта Электронная почта Whatsapp Whatsapp Wechat Wechat
Wechat
ВЕРХВЕРХ