En omfattande analys av maskinvisionsskrivning: Förstå den i ett enda artikel!

Inom området maskinvision är distortion ett "stort problem" som inte kan ignoreras! Hur mycket vet du om det? Idag ska vi ha en djupgående diskussion om distortion inom maskinvision.

• Först ska vi prata om perspektivdistortion. Bildeningsprincipen för den vanliga FA-lins vi vanligtvis använder liknar ljusstrålars spridning från en enskild punkt.

När man fotograferar en tredimensionell del, om delen inte är i mitten av ramen utan vid kanten, riskerar produkten i bilden att bli förvanskad på sidan.

I högprecisionskontrollscenarier är detta helt enkelt en "noggrannhetsdödare", vilket kan allvarligt påverka noggrannheten av kontrollresultaten. Så, hur löser man detta problem? Telecentriska linsar är den "räddaren"!

Den kan skjuta vertikalt på produkten och undviker perfekt distortionen orsakad av perspektivfel. Denna lins har dock också en liten "brist". Den måste vara lika stor som det objekt som fotografieras, så den är ofta dyrt.

• Nästa, låt oss diskutera installationsförmåning. Oavsett vilken utrustning som installeras, kommer det oundvikligen att finnas några fel. I situationer där kraven på inspektionsnoggrannheten är så höga som 2 mikron måste installationen hållas så lodrätt som möjligt. Detta kräver noggranna korrektioner av nivån och vertikaliteten hos installationsytan. Endast när avbildningen är korrekt kan de efterföljande algoritmerna fungera ordentligt. Om avbildningen är förskjuten spelar det ingen roll hur kraftfull algoritmen är, den kommer inte att fungera.

• Det finns också linseförmåning. Under produktionen av linsar uppstår det mer eller mindre några fel, och storleken på dessa fel är relaterad till priset på linsarna. Huvudsaken är att även extremt dyra linsar inte kan eliminera dessa fel fullständigt. Oroa dig inte, vi har visuella algoritmer för att "rädda dagen".

Ta detta kalibreringsplatta som exempel. De tätt packade små prickarna på det har extremt hög dimensionsnoggrannhet. Försök inte underuppskatta detta glasplatta; den är värd flera tusen yuan! När en kamera tar ett foto av den, kan systemet automatiskt beräkna förvridningen och sedan genomföra korrektion. Är det inte fantastiskt?

Dessa är de vanliga typerna av förvridning inom maskinvision! Jag hoppas att detta kunskap kan ge dig en djupare förståelse av maskinvision.