Всі категорії

Типи калібраційних цілей: порівняльний аналіз зразків та їх переваги

Time : 2025-07-25

Точна калібрація камери є основою успіху будь-якого застосування машинного/комп'ютерного зору. Вибір цілі калібрації суттєво впливає на точність калібрації, проте існує кілька типів шаблонів — кожен з власними характеристиками. Це керівництво аналізує переваги та обмеження поширених цілей (шахівниці, кругові сітки та CharuCo) для вибору найкращого варіанта.

machine vision case (3).png

I. Розмір цілі калібрації: ключові аспекти

Фізичні розміри цілі калібрації безпосередньо впливають на точність вимірювань, головним чином через їхню взаємодію з діапазоном огляду (FOV). Основні принципи включають:

1. Охоплення FOV: Для стабільної калібрації об'єкт повинен займати >50% пікселів зображення при фронтальному перегляді. Малий об'єкт дозволяє використовувати кілька комбінацій параметрів камери для пояснення спостережуваних ознак, що погіршує обмеження моделі.

2. Стабільність фокусування: Калібрація передбачає фіксовану робочу відстань. Зміна фокусної відстані або діафрагми робить недійсною попередню калібрацію через зрушення фокусу та оптичні аберації.

3. Практична порада: Виберіть розмір об'єкта, який відповідає вашому полю зору. Для великомасштабних вимірювань (наприклад, інспектування автомобілів) використовуйте великі об'єкти або багатопозиційне збирання.

 

II. Типи калібраційних об'єктів: шаблони та продуктивність

1. Шахматні об'єкти

Найпоширеніший шаблон, підтримуваний OpenCV, Halcon та MATLAB.

Робочий процес виявлення:

Бінаризація зображення → Виявлення чотирикутників (темні квадрати) → Фільтрація за розміром/регулярністю сітки → Порівняння з визначеними користувачем розмірами.

machine vision case (4).png

Переваги:

Точність субпікселів: кути (математично сідлові точки) є нескінченно малими, що забезпечує незміщене визначення позиції за наявності перспективних спотворень (точність: ±0,1 пікселя).

Моделювання спотворень: висока густина країв покращує оцінку радіальних/тангенційних спотворень.

Обмеження:

Потрібно повне видимість: увесь шаблон має бути видимим на усіх зображеннях, що обмежує збір даних про кути (важливо для моделювання спотворень на краях зображення).

Обмеження симетрії: для стереокалібрування уникайте неоднозначності на 180°, забезпечивши парні рядки + непарні стовпчики (або навпаки).

Найкраще підходять для: Калібрування однієї камери, коли можливе спостереження повного шаблону.

machine vision case (5).png

2. Циліндричні ґратчасті цілі

Поширені варіанти: чорні кола на білому або білі кола на чорному.

Робочий процес виявлення:

Виявлення "плям" → Фільтрація за площею, циклічністю та опуклістю → Визначення структури ґратки.

Переваги:

Стійкість до шумів: підбір кіл враховує всі пікселі периметра, зменшуючи чутливість до шумів.

Стійкість до перешкод: частково видимі кола залишаються виявлюваними.

Обмеження:

Перспективне викривлення: Кола проектуються як еліпси в перспективі. Викривлення об'єктива додатково деформує форми, вносячи незначні похибки узгодження.

Стерео-невизначеність: Симетричні сітки мають невизначеність на 180°; використовуйте асиметричні сітки для багатокамерних систем.

Найкраще підходять для: Застосування в умовах підсвічування ззаду та середовищах із змінним освітленням.

machine vision case (6).png

3. Цільові зразки CharuCo

Гібридний візерунок, що поєднує кути шахівниці з маркерами ArUco.

Робочий процес виявлення:

Визначення маркерів ArUco → Локалізація інтерпольованих сідлових точок між маркерами.

Переваги:

Підтримка часткового видимості: Унікальне кодування маркерів дозволяє калібрувати систему з частково закритими або обрізаними цілями.

Стійкість до змін освітлення: Забезпечує стабільну роботу при неоднорідному освітленні (наприклад, дзеркальних відблисках).

Уточнення на рівні пікселів: Досягає точності визначення сідлових точок, порівнянної з шахівницею.

Обмеження:

Складність алгоритму: Вимагає спеціалізованих бібліотек (OpenCV 3.0+).

Розташування маркерів: погано надруковані маркери погіршують виявлення.

Найкраще підходять для: Багатокамерні системи, об'єктиви з високим спотворенням та обмежені простори.

machine vision case (1).png

III. Найкращі практики реалізації

1. Якість друку:

Використовуйте маркери, надруковані лазером або травлені на нерозсіювальних основах.

Забезпечте плоскість (допуск деформації: <0,1 мм/м²).

2. Протокол знімання:

Зробіть 15–30 знімків із різними орієнтаціями об'єкта (охопіть кути поля зору).

Підтримуйте постійне освітлення та фокусування.

3. Примітки, специфічні для бібліотеки:

OpenCV: шахівниці вимагають повної видимості; CharuCo потребує модуля aruco.

Halcon: оптимізовано для кругових сіток із вбудованим обробленням асиметрії.

 

Вибір калібраційної цілі забезпечує баланс між вимогами до точності, обмеженнями середовища та алгоритмічною підтримкою. Хоча шахівниця забезпечує максимальну точність в контрольованих умовах, CharuCo пропонує неперевершену стійкість для промислових застосувань. Кругові сітки забезпечують практичну рівновагу для стерео-налаштувань. Узгодження властивостей цілі з потребами вашої візуальної системи дозволяє закласти основу для метрологічно достовірних вимірювань — основи надійного машинного зору.

Попередній : Як вибрати промислові камери

Наступний : Остатній посібник з вибору телескопічних об'єктивів для успішного машинного зору

ДовідкаДовідка

Зв'яжіться з HIFLY вже сьогодні:

Ім'я
Компанія
Мобільний
Країна
Електронна пошта
Повідомлення
0/1000
Електронна пошта Електронна пошта Whatsapp Whatsapp WeChat WeChat
WeChat
ГОРКАГОРКА