工业相机的芯片CRA角度与镜头选型的匹配关系

工业相机的芯片CRA角度与镜头选型的匹配关系

  • Baumer工业相机
  • ​工业相机的芯片CRA角度的技术背景
  • ​工业相机的芯片CRA的信息
  • CRA相差过大的具体表现
  • 怎样选择工业相机sensor的CRA
  • Baumer工业相机sensor的CRA
  • 工业相机的芯片CRA角度与镜头匹配好的优点

Baumer工业相机

工业相机是常用与工业视觉领域的常用专业视觉核心部件,拥有多种属性,是机器视觉系统中的核心部件,具有不可替代的重要功能。

工业相机已经被广泛应用于工业生产线在线检测、智能交通,机器视觉,科研,军事科学,航天航空等众多领域

工业相机的主要参数包括:分辨率、帧率、像素、像元尺寸、光谱响应特性等,本文主要介绍工业相机的芯片CRA角度与镜头选型的匹配关系

Baumer工业相机堡盟相机是一种高性能、高质量的工业相机,可用于各种应用场景,如物体检测、计数和识别、运动分析和图像处理。

Baumer的万兆网相机拥有出色的图像处理性能,可以实时传输高分辨率图像。此外,该相机还具有快速数据传输、低功耗、易于集成以及高度可扩展性等特点。

​工业相机的芯片CRA角度的技术背景

晶圆
晶圆Wafer,是指制作半导体电路所用的硅晶片,其原始材料是硅。高纯度的多晶硅溶解后掺入硅晶体晶种,然后慢慢拉出,形成圆柱形的单晶硅。硅晶棒在经过研磨,抛光,切片后,形成硅晶圆片,也就是晶圆。以8英寸和12英寸为主。

拜尔滤色镜
这种滤色器的排列是50%是绿色,25%是红色,25%是蓝色,因此也被称为RGBG

拜耳阵列的问题之一是,在拍摄具有重复细节的画面时,容易产生彩色干扰信息。该问题是由于其规则的分布方式而造成的。其具体表现为画面中产生难看的色带,而解决该问题的方法是传感器前安装一块会将画面细节模糊化的AA滤镜。低通滤镜可以减弱摩尔纹,但同时也降低了相机分辨率。

由于传感器的像素只能区分接收到光线的强弱,无法分辨色彩。因此为了重建色彩信息,需要在每个像素上涂敷不同色彩的滤镜。不同的像素感应不同的色彩,还原色彩。

CMOS芯片
CMOS本是计算机系统内一种重要的半导体,保存了系统引导最基本的资料。CMOS的制造技术和一般计算机芯片没什么差别,主要是利用硅和锗这两种元素所做成的半导体,使其在CMOS上共存着带N和P级的半导体。这两个互补效应所产生的电流即可被处理芯片记录和解读成影像。后来发现CMOS经过加工也可以作为数码摄影中的图像传感器,CMOS传感器也可细分为被动式像素传感器和主动式传感器。

人们如此看好CMOS图像转换器的成长前景是基于这样一个事实,即:与垄断该领域长达30多年的CCD技术相比,它能够更好地满足用户对各种应用中新型图像传感器不断提升的品质要求,如更加灵活的图像捕获、更高的灵敏度、更宽的动态范围、更高的分辨率、更低的功耗以及更加优良的系统集成等。

CMOS(complementary metal-oxide-semiconductor:互补金属氧化物半导体)芯片由微透镜层、滤色片层、线路层、感光元件层、基板层组成。

由于光线进入各个单像素的角度不同,因此在每个单像素上表面增加了一个微透镜修正光线角度,使光线垂直进入感光元件表面。这就是芯片CRA的概念,需要与镜头的CRA保持在一点的偏差范围内。
在这里插入图片描述

CRA(chief ray angle)主光线角度

Lens CRA 就是最大像高处的主光线与光轴的倾角;

Sensor CRA ,也就是SENSOR 的MICRO LENS 与光电二极管的位置存在一个水平误差,并不在一条直线上(这个偏差角就是sensor的CRA)。做成这样的目的,这样的做的目的也是为了好搭配LENS 。

在相机镜头光学特性参数设定中,由于光线进入各个单像素的角度不一样,因此在每个单像素上表面增加了一个微透镜修正光线角度,使光线垂直进入感光元件表面,这就是芯片CRA的概念,它需要与镜头的CRA保持在一点的偏差范围内。

通常来讲,Sensor的效能与Sensor本身的灵敏度和光线入射的角度有关。而光线入射到Sensorpixel的角度是由Lens的CRA和Sensor的Micro Lens开口布局(Sensor的CRA)共同决定的。

从镜头的传感器一侧,可以聚焦到像素上的光线的最大角度被定义为一个参数,称为主光角(CRA)。对于主光角的一般性定义是:此角度处的像素响应降低为零度角像素响应的80%。

通常来讲,sensor的效能与sensor本身的灵敏度和光线入射的角度有关。而光线入射到sensor pixel的角度由lens的CRA和sensor的micro lens开口布局共同决定的。

从镜头的传感器一侧,可以聚焦到像素上的光线的最大角度被定义为一个参数,称为主光角(CRA),一般性定义是:此角度处的像素响度降低为零度角像素响应的80%。

CRA主光角测试的重要性:

按通常的做法,因为SENSOR的Micro Lens与光电二极管之间存在一定的距离,这样做的目的也是为了方便搭配Lens。此外,lens存在一个CRA值,这在Lens设计的时候就要考虑的内容,根据sensor的CRA值进行设计,一般建议sensor与lens的CRA角度差控制在正负2~3度以内,并不是Lens的CRA值越小越好,而是与sensor的CRA值越近越好。

什么是sensor的CRA

Sensor有一个CRA值,也就是sensor的micro lens与光电二极管的位置存在一个水平误差,并不在一条直线上,做成这样有一定的目的,按通常的做法,因为sensor的micro lens与光电二极管之间存在一定的距离,这样做的目的也是为了好搭配lens。因为CRA为0度的lens还是不好找的。

普通的FSI的sensor都有一个类似光子井的结构来用来收集光子:

在这里插入图片描述
当CRA增加的时候,光线会被金属电路层阻挡掉一部分,导致sensor接受光的效能降低。

那么:

1、pixel越大,这种影响会越小:
在这里插入图片描述
2、对于BSI的sensor,这种影响也会更小
在这里插入图片描述

因此对于FSI的sensor来说,通常会通过移动sensor表面的micro lens来收集更多的光线:

在这里插入图片描述

​工业相机的芯片CRA的信息

CRA(Chief Ray Angel)

Lens CRA 就是最大像高处的主光线与光轴的倾角;

Sensor CRA ,也就是SENSOR 的MICRO LENS 与光电二极管的位置存在一个水平误差,并不在一条直线上(这个偏差角就是sensor的CRA)。做成这样的目的,这样的做的目的也是为了好搭配LENS 。

在相机镜头光学特性参数设定中,由于光线进入各个单像素的角度不一样,因此在每个单像素上表面增加了一个微透镜修正光线角度,使光线垂直进入感光元件表面,这就是芯片CRA的概念,它需要与镜头的CRA保持在一点的偏差范围内。

通常来讲,Sensor的效能与Sensor本身的灵敏度和光线入射的角度有关。而光线入射到Sensorpixel的角度是由Lens的CRA和Sensor的Micro Lens开口布局(Sensor的CRA)共同决定的。

从镜头的传感器一侧,可以聚焦到像素上的光线的最大角度被定义为一个参数,称为主光角(CRA)。对于主光角的一般性定义是:此角度处的像素响应降低为零度角像素响应的80%。

CRA Matching

在光学系统中,sensor上的光学接收效率不仅与CRA有关,还与Sensor的Micro lens开口布局有关。因此在做Lens涉及时,CRA要尽量符合Sensor厂家提供的CRA参考值,提高功能接收效率。

通常Lens CRA要小于sensor的CRA,允许有3°以内的偏差。这是因为:

镜头CRA太过小于Sensor的CRA时,会出现四角偏暗(受光不足),光线无法到达sensor边缘,即Lens Shading;

镜头CRA太过大于Sensor的CRA时,光线会折射到临近的pixel上,导致pixel间出现串扰,即Color shading,且在图像四周表现更明显;

建议优先保证Color Shading, 因为Lens Shading比Color Shading容易调试;

并不是LENS CRA 越小越好,有人认为0度是最佳的,那也是不对的,只能说与SENSOR 的CRA 越接近越好。

镜头CRA和传感器CRA不匹配的影响:

不匹配导致整个图像的颜色不平衡产生串扰,从而导致信噪比(SNR)的降低;因为CCM需要增加数字增益来补偿光电二极管中的信号损失。
在这里插入图片描述
像高(Image Height)的最大值是对角线长度

因为镜头是圆的,画面的对角线是最接近镜头成像直径的,所以最大尺寸是对角线尺寸。
CRA与像高的关系(摘自OV某款sensor规格书):

在这里插入图片描述
在这里插入图片描述

从上图可以看出镜头的TTL也是决定CRA角度的关键,TTL越低CRA的角度就越大,所以小像素的Image sensor对于相机系统设计时的镜头CRA匹配也至关重要。

通常,出于各种原因,镜头CRA与Image sensor CRA并不完全匹配。 实验上已经观察到,与弯曲的CRA相比,具有平坦顶部(最小翻转)的镜头CRA曲线更能容忍相机模块的装配变化。

如下图显示平顶和弯曲CRA的示例。
在这里插入图片描述

  1. 当Pixel的尺寸越来越小时,即分辨率越高, 边缘的Pixel越容易受到影响;

  2. 当CCM的尺寸越来越小时,即Lens的距离变短,CRA的角度影响变大。

镜头CRA与芯片不匹配可能会产生的影响:

  • 不能确保可以准确的捕获光子到硅光电二极管中;

  • 会导致信噪比(SNR)的降低 (颜色不平衡产生干扰);

  • 图像不清、有雾、反差度低、颜色变淡、景深变小。

CRA相差过大的具体表现

镜头的CRA与Image sensor的CRA相差过大会出现如下图偏色。
在这里插入图片描述
镜头的CRA与Image sensor的CRA匹配则图像正常,如下图:

在这里插入图片描述

怎样选择工业相机sensor的CRA

  1. 广角镜头:这时一般lens的CRA比较大,需要选择CRA大于25度的sensor或者BSI的Sensor;一般用于手机、安防、玩具、网络摄像头等;

  2. 超长焦镜头:这时一般lens的CRA比较小,需要选择CRA为0度的sensor;一般用于安防、机器视觉等。

  3. 变焦镜头:这时Lens的CRA是变化的,一般需要根据实际应用选择,最好采用大Pixel,BSI的sensor;一般用于安防等。

Baumer工业相机sensor的CRA

如下为VCXG.2-82M对应芯片的CRA相关数据,
ΔCRA指的是镜头和sensor的CRA差值。
pixel shading是不同视场的亮度/中心亮度的比值。
在这里插入图片描述
下图是sony芯片IMX2系列有关于CRA的镜头匹配说明:
在这里插入图片描述

工业相机的芯片CRA角度与镜头匹配好的优点

工业相机的芯片CRA(Chief Ray Angle,主光线角度)与镜头匹配好具有以下优点:

  • 提高成像质量
    • 避免光线损失:当芯片CRA与镜头匹配良好时,镜头出射的主光线能够以合适的角度入射到芯片上,最大限度地减少光线在芯片表面的反射和折射损失,从而提高图像的整体亮度和对比度,使拍摄的图像更加清晰、鲜明。
    • 减少色差:匹配良好的CRA可以使不同波长的光线在芯片上的成像位置更加准确,减少因光线角度偏差导致的色差现象,即避免彩色图像中出现颜色边缘或色彩失真的情况,提高图像的色彩还原度。
    • 改善分辨率:合适的CRA角度能确保光线准确地聚焦在芯片的感光单元上,使图像的细节得到更好的保留,从而提高图像的分辨率,有助于清晰地分辨出物体的细微特征和结构。
  • 优化图像均匀性
    • 避免暗角现象:如果镜头与芯片的CRA不匹配,可能会导致光线在芯片边缘部分的入射角过大,使得边缘部分的光线收集效率低于中心部分,从而产生暗角现象。而良好的CRA匹配可以使光线均匀地分布在芯片上,避免出现图像边缘过暗或不均匀的情况,保证整个图像的亮度均匀性。
    • 减少色彩偏差:除了亮度均匀性,CRA匹配良好还有助于保持色彩的均匀性。在不同区域,光线入射角的一致性可以避免因光线角度差异导致的色彩感知差异,确保图像在整个视场内的色彩一致性和准确性。
  • 增强系统稳定性
    • 提高测量精度:在工业检测等应用中,需要对物体进行精确的测量和分析。芯片CRA与镜头的良好匹配可以保证成像的稳定性和准确性,从而提高测量精度,减少因成像质量不稳定导致的测量误差,为工业生产中的质量控制和检测提供可靠的数据支持。
    • 降低系统对环境的敏感性:匹配良好的CRA可以使工业相机系统在不同的环境条件下(如不同的光照强度、角度等)保持相对稳定的成像性能。这意味着系统对环境变化的适应性更强,能够在更广泛的工作条件下正常运行,减少因环境因素导致的图像质量下降或系统故障的可能性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/82038.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

深度学习中常见的矩阵变换函数汇总(持续更新...)

1. 转置操作 (Transpose) 概念:将矩阵的行和列互换应用场景: 在卷积神经网络中转换特征图维度矩阵乘法运算前的维度调整数据预处理过程中的特征重排 原始矩阵 A [[1, 2, 3], 转置后 A^T [[1, 4],[4, 5, 6]] [2, 5],[3, 6]]代码…

day 14 SHAP可视化

一、原理——合作博弈论 SHAP(SHapley Additive exPlanations)是一种用于解释机器学习模型预测结果的方法,它基于合作博弈论中的 Shapley 值概念。Shapley 值最初用于解决合作博弈中的利益分配问题。假设有 n 个参与者共同合作完成一项任务并…

从0开始学习大模型--Day03--Agent规划与记忆

规划(planning) 规划,可以为理解观察和思考。如果用人类来类比,当我们接到一个任务,我们的思维模式可能会像下面这样: 1、首先会思考怎么完成这个任务。 2、然后会审视手头上所拥有的工具,以及如何使用这…

使用 Couchbase Analytics Service 的典型步骤

下面是使用 Couchbase Analytics Service 的典型步骤,包括部署、配置、创建数据集、运行查询以及监控优化等环节。 首先,您需要安装并启用 Analytics 服务;然后将节点加入集群并重平衡;接着在 Analytics 中映射数据服务的集合&am…

从零开始学习人工智能(Python高级教程)Day6-Python3 正则表达式

一、Python3 正则表达式 正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。 在 Python 中,使用 re 模块来处理正则表达式。 re 模块提供了一组函数,允许你在字符串中进行模式匹配、搜索和替换操作。 r…

MATLAB导出和导入Excel文件表格数据并处理

20250507 1.MATLAB使用table函数和writetable函数将数据导出Excel表格文件 我们以高斯函数为例子,高斯函数在数学和工程领域有着广泛的应用,它的一般形式为: 其中是均值,决定了函数的中心位置; 是标准差,决…

推荐一组WPF自定义控件开源项目

.Net Core从零学习搭建权限管理系统教程 推荐一组WPF自定义控件开源项目。 项目简介 这是基于WPF开发的,为开发人员提供了一组方便使用自定义组件,并提供了各种常用的示例。 包含组件:数据表格、属性列表、树形列表、选色器、单选框列表、…

allegro出gerber时,单击Artwork并没有弹窗的问题

使用allegro出gerber时,有时点击 Artwork图标并未如愿以偿的弹出窗口。。。 可按下面尝试恢复,注,删除前可先备份该两支文件。。。 看时间戳,删除最近的下面标红两支文件即可。

常用设计模式在 Spring Boot 项目中的实战案例

引言​ 在当今的软件开发领域,Spring Boot 以其高效、便捷的特性成为构建 Java 应用程序的热门框架。而设计模式作为软件开发中的宝贵经验总结,能够显著提升代码的可维护性、可扩展性和可复用性。本文将深入探讨几种常用设计模式在 Spring Boot 项目中的…

《饶议科学》阅读笔记

《饶议科学》 《偷窃的生物学机制:(有些)小偷有药可治》阅读笔记 核心内容:探讨偷窃狂(kleptomania)的生物学机制及相关研究。具体要点 偷窃狂的特征:患者不可抑制地反复偷窃个人不需要、与金钱…

从零开始搭建第一个Spring Boot应用:从入门到精通

1. Spring Boot简介与核心概念 1.1 什么是Spring Boot? Spring Boot是Spring框架的一个扩展,它简化了基于Spring的应用程序的初始搭建和开发过程。通过自动配置和约定优于配置的原则,Spring Boot让开发者能够快速启动和运行项目。 通俗理解…

c# LINQ-Query01

文章目录 查询数据源标准查询分两类即时查询已推迟流式处理非流式处理分类表聚合Aggregate<TSource,TAccumulate,TResult>(IEnumerable<TSource>, TAccumulate, Func<TAccumulate,TSource,TAccumulate>, Func<TAccumulate,TResult>)Aggregate<TSour…

AI恶魔之眼使用说明书

AI恶魔之眼使用说明书 产品简介 1.1 产品介绍 AI恶魔之眼是一款具备动态视觉效果与仿生眼睛模拟功能的智能显示产品&#xff0c;可实现以下特性&#xff1a; 真实人眼模拟&#xff1a;支持虹膜样式变换、眨眼动画、瞳孔缩放等动态特效&#xff0c;仿真度高自定义内容上传&am…

CAN报文逆向工程

在没有DBC文件的情况下解析CAN报文获取物理信息需要逆向工程和系统分析。以下是详细步骤&#xff1a; 1. 数据采集与基础分析 采集原始数据&#xff1a; 使用CAN分析工具&#xff08;如PCAN-Explorer、SavvyCAN或USB-CAN适配器配套软件&#xff09;记录车辆在不同状态下的CAN数…

KL散度(Kullback-Leibler Divergence):概率分布差异的量化利器

目录 1. 什么是KL散度?关键特点:2. KL散度的数学公式离散分布的KL散度公式:连续分布的KL散度公式:3. KL散度的计算示例示例1:离散分布示例2:连续分布(高斯分布)4. KL散度的核心性质1. 非对称性2. 非负性3. 与熵的关系5. KL散度与相关性的关系1. KL散度 ≠ 相关性2. 间接…

二叉树的遍历与构造

唉&#xff0c;好想回家&#xff0c;我想回家跟馒头酱玩&#xff0c;想老爸老妈。如果上天再给我一次选择的机会&#xff0c;我会选择当一只小动物&#xff0c;或者当棵大树也好&#xff0c;或者我希望自己不要有那么多多余的情绪&#xff0c;不要太被别人影响&#xff0c;开心…

leetcode 141. Linked List Cycle

题目描述&#xff1a; 代码&#xff1a; 用哈希表也可以解决&#xff0c;但真正考察的是用快慢指针法。 /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode(int x) : val(x), next(NULL) {}* };*/ class Soluti…

AI辅助DevOps与自动化测试:重构软件工程效率边界

随着AI技术渗透至软件开发生命周期&#xff0c;DevOps与自动化测试领域正经历颠覆性变革。本文系统性解析AI在需求分析、测试用例生成、部署决策、异常检测等环节的技术实现路径&#xff0c;结合微软Azure DevOps、Tesla自动驾驶测试等典型场景&#xff0c;探讨AI如何突破传统效…

5月7号.

flex布局: 表单标签: 表单标签-表单项:

【AI面试准备】中文分词与实体抽取技术详解

分词&#xff0c;词性标准 目录 一、分词与词性标注1. **分词&#xff08;Word Segmentation&#xff09;**2. **词性标注&#xff08;Part-of-Speech Tagging&#xff09;** 二、实体抽取&#xff08;Named Entity Recognition, NER&#xff09;1. **实体类型示例**2. **输出…