Skillnaden mellan flygtid (tof) och andra 3D-djupkartografkamera

Förmågan att känna av och interagera med den 3D-världen blir allt viktigare i dagens tekniklandskap, och en av de mest lovande är Time-of-Flight (ToF) -teknik. Detta är en banbrytande 3D-djupmappningslösning som blir allt mer populär inom icke-mobila områden som industriell automation och detaljhandel. Även om ToF-konceptet har funnits sedan 1990-talet tillsammans med låst CCD-teknik, är det först under de senaste åren som det långsamt mognat för att möta de stränga kraven på den professionella marknaden.

I det här inlägget kommer vi att ta en djupgående titt på varför ToF-kameror blir allt mer populära för 3D-djupmappning, och hur de skiljer sig från andra 3D-bilderstekniker som stereovision och strukturerad ljusbilder.

Vad är 3D-djupmappning?

3D-djupmappning, kan också kallas djupkänning eller 3D-mappning. Det är en avancerad teknik som skapar en 3D-representation av ett utrymme eller ett objekt genom att exakt mäta avståndet mellan sensorn och olika punkter i miljön. Det bryter igenom begränsningarna för traditionella 2D-kamerauppgifter och är avgörande för applikationer som kräver exakt rumslig uppfattning och realtidsbeslutande.

i dess kärna,3D-djupmappningInnebär att man projicerar en ljuskälla på ett föremål och sedan använder en kamera eller sensor för att fånga det reflekterade ljuset. De fångade uppgifterna analyseras för att bestämma tidsfördröjningen eller mönsteravvikelsen för det reflekterade ljuset för att generera en djupkarta. En djupkarta är en digital ritning som beskriver det relativa avståndet mellan varje scenelement och sensorn.

Vad är stereovisionsteknik?

Stereovisionstekniken är inspirerad av det mänskliga ögat förmåga att uppfatta djup genom binokulär syn. Tekniken använder sig av stereopallax för att efterlikna det mänskliga ögat, där varje kamera registrerar sitt synfält och sedan använder dessa olika bilder för att beräkna avståndet mellan objekt i en scen. Stereoparallaksen är skillnaden i bildens läge när det vänstra ögat ser en föremål och när det högra ögat ser en föremål. Och processen genom vilken hjärnan extraherar djupinformation från en 2D-nätverksbild genom binokulär paralax kallas stereopsis.

Stereovisionskameror använder just denna teknik. De fångar två separata bilder från olika synvinklar (liknande det mänskliga ögat) och sedan beräkningsmässigt korrelera dessa bilder för att bestämma objektets avstånd. Djupkort konstrueras genom att känna igen motsvarande funktioner i de två bilderna och mäta den horisontella förskjutningen eller parallaksen mellan dessa funktioner. En sak att notera är att ju större parallax, desto närmare är föremålet observatören.

Hur fungerar en stereovisionskamera?

Stereovisionskameror efterliknar den teknik som används av det mänskliga ögat, som uppfattar djup genom trianguleringens geometri, där det finns flera viktiga attribut att ta hänsyn till:

• Baslinjen: avståndet mellan de två kamerorna, liknande det mänskliga pupillopartitydet (~50-75 mm, pupillopartityd).
• Upplösning: proportionell till djupet. Sensorer med högre upplösning ger fler pixlar för att analysera parallax, vilket möjliggör mer exakta djupberäkningar.
• Brännvidd: Brännvidden är proportionell till fältdjupet. Påverkar djupområdet och synfältet, kort brännvidd, brett synfält, men dålig djupuppfattning av närfältet.Brännviddär högre, är synfältet större, desto mer detaljerad observationen av föremål i närfältet.

Stereovisionskameror är särskilt lämpliga för utomhusapplikationer som kräver ett stort synfält, såsom automatiska navigationssystem och 3D-rekonstruktion. Teknologin kräver naturligtvis att den fångade bilden måste ha tillräcklig detalj och konsistens eller olikartlighet. Vi kan också förbättra texturerna och detaljerna genom att belysa scenen med strukturerad belysning för att förbättra upptäckten av funktioner och förbättra kvaliteten på djupkartan.

Vad är strukturerad ljusbilder?

Strukturerad ljusbilder är en sofistikerad 3D-djupmappningsmetod som använder en ljuskälla för att projicera ett mönster på en yta och sedan fånga upp förvrängningen av det mönstret när det interagerar med objektets 3D-geometri. Denna teknik gör det möjligt att exakt mäta ett föremål och rekonstruera dess 3D-form.

I 3D-bilder använder strukturerade ljuskameror en ljuskälla som en laser eller LED för att projicera ett mönster (vanligtvis ett rutnät eller en serie remsor). Syftet med mönstret är att förbättra kameras förmåga att känna igen och mäta förändringar i den yta som den belyser. När mönstret lyser upp ytan på ett föremål, deformeras det beroende på föremålets form och rumsliga egenskaper. DenKameramodulKan fånga dessa förvrängda mönster i olika vinklar mot ljuskällan.

Hur fungerar en ljuskamera?

Strukturerad ljuskamerabilder omfattar flera steg, som kortfattat sammanfattas nedan:

• Mönsterprojektion: Ett speciellt utformat ljusmönster projiceras på ett objekt, som sedan deformeras för att uppnå 3D-mappning baserad på objektets konturer.
• Bildinsamling: Det deformerade mönstret fångas av kameran och förändringarna i mönstret observeras i en viss vinkel. Djupet av objektet härleds genom att jämföra det kända projicerade ljusmönstret och ljusets interaktion med objektets 3D-yta.
• Triangulation: Kameran använder det kända projicerade mönstret och den fångade bilden för att beräkna djupet på objektet genom triangulation för att skapa en detaljerad 3D-karta.

Exaktheten och upplösningen hos strukturerad ljusbilder påverkas av faktorer som ljuskällan, mönstrets komplexitet och kamerans förmåga att upptäcka detaljer. Denna teknik är särskilt effektiv i miljöer där belysningen kontrolleras och objektets yta tydligt syns.

Vad är Time-of-Flight Imaging?

Bilder från flygtid (ToF) har redan behandlats i en särskild artikel. Time-of-Flight (ToF) -bilder är en teknik med hög noggrannhet och realtidsprestanda, och är den föredragna lösningen för 3D-djupmappning idag. I hjärtat av ToF-tekniken är ljuskällan, som mäter den tid det tar för ljussignal att sprida sig Intresserade kan läsa den föregående artikeln för att få en djupgående inblick i principerna för ToF-tekniken samt dess fördelar och brister.

Stereovision vs. strukturerat ljus vs. bildbehandling i flygtid (ToF)

När det gäller 3D-bilder beror valet mellan stereovision, strukturerad ljusbilder och tekniker för flygtid (ToF) vanligtvis på de specifika kraven i applikationen. Varje tillvägagångssätt har sina egna fördelar och begränsningar, som vi kommer att undersöka i detalj för att hjälpa dig att förstå varför ToF-kameror alltmer erkänns som det föredragna valet för många 3D-kartläggningsanvändningar.

Varför är en Time-of-Flight (ToF) -kamera ett bättre val för 3D-mappning?

Noggrannhet är avgörande för 3D-kartläggningsteknik. Ovanför har vi lärt oss vad 3D-djupbilder är, liksom information om flygtid, strukturerat ljus och stereovision. Låt oss kort sammanfatta varför Time-of-Flight (ToF) är bättre lämpad för 3D-mappning.

• Direkta djupmätningar:ToF-kameror kan mäta djup direkt, vilket förenklar databehandlingskraven jämfört med stereovision eller strukturerade ljussystem som bygger på komplexa algoritmer för att beräkna djup baserat på bildsparallax eller mönsterförvrängning.
• Hög noggrannhet och utökningsbarhet:Med hög noggrannhet på mm till cm, i kombination med ett utökningsbart djupområde, är ToF-kameran lämplig för precisionsmätningar på olika avstånd.
• Programvarukomplexitet:ToF-kamera djupdata genereras direkt från sensorn, vilket minskar behovet av algoritmer. Förbättrad databehandlings effektivitet och snabbare genomförande.
• Bättre prestanda vid svagt ljus:Jämfört med stereovision som bygger på en ljuskälla, fungerar Tof-kameror bättre i svagt ljus på grund av en aktiv och tillförlitlig ljuskälla.
• Kompakt och energieffektiv konstruktion:Till skillnad från andra sensorer är Tof-kameror mer kompakt och förbrukar mindre ström. Perfekt för bärbara eller batteridrivna enheter.
• realtidsdatabehandling:Tof-kameran fångar och bearbetar djupdata mycket snabbt, vilket gör den idealisk för realtidsapplikationer som robotik.

Vilka applikationer behöver tidskameror?

Autonoma mobila robotar (AMR):Tof-kameran ger realtids avståndsmätning och hinderdetektion, vilket ger AMR flexibilitet att navigera i komplexa utomhus- och inomhusmiljöer. Hjälper till med planering av banorna och att undvika kollisioner, vilket förbättrar robottens självständighet och tillförlitlighet.

Automatiskt styrda fordon (AGV):I lager- och tillverkningsmiljöer säkerställer AGV-fordon utrustade med ToF-kameror tillförlitlig navigering och exakt materialhantering. Djupdata från dessa kameror stöder avancerade algoritmer för att optimera logistiken och minska mänsklig intervention.

Användning av en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förbindelse med en maskins förToF-kameror i förstärkta ansiktsgenkänningssystem förhindrar obehörig åtkomst genom spoofing av ansiktsgenkänning genom att analysera djupgående data som kan skilja mellan ett verkligt ansikte och ett försök att kopiera det (t.ex. en mask eller ett foto).

slutsats

Genom denna artikel är det tydligt att se den viktiga roll som flygtidskameror spelar inom 3D-bilder. Fördelarna med ToF-kameror belyser också deras potential att revolutionera branscher som är beroende av exakta rumsliga data.
Medan stereovision, strukturerad ljusbilder och ToF-teknik har sina egna fördelar, framträder ToF-kameror för sin förmåga att ge direkta, exakta och skalbara djupmätningar med relativt låg programvaru komplexitet. Detta gör dem idealiska för tillämpningar där hastighet, noggrannhet och tillförlitlighet är avgörande.

Med över ett decennium av erfarenhet inom leverans och anpassning avOEM-kameror, Sinoseen kan ge dig de mest specialiserade bildlösningar för din kamera modul. Oavsett om det är MIPI, USB, dvp eller MIPI csi-2 gränssnitt, har Sinoseen alltid en lösning för din tillfredsställelse, vänligen kontakta oss om du behöver något.