激光三角测量法在工业视觉检测上的应用( 二 ) 来源：公众号@计算机视觉工坊

需要已知如下信息：

物体大小（长、宽、高）
X ， Y ， Z方向精度要求
扫描速度
应用类型
材质

举个例子，需要测量的物体大小为80*50*5（长*宽*高）， X向精度0.3mm ， Y向精度0.3mm ，扫描速度为2m/s ，那么需要的X向分辨率不高于0.1mm/pixel ， Y向分辨率不高于0.1mm/pixel 。

相机选择

需要选择的像素点数不低于80/0.1=800；对应的行频不低于2000/0.1=20KHZ 。
相机能达到的最大行频，取决于ROI有效区域的大小、曝光时间和轮廓提取算法等。而ROI有效区域的大小又取决于材料的厚度范围，曝光时间一部分取决于材料的材质（有的材料比如橡胶轮胎为黑色吸光的材质，在同等光源亮度情况下，需要的曝光时间要高一些）
2）镜头选择
这个跟2D一致。主要取决于现场安装的工作距离，焦距越大工作距离越远
3）搭接方式
如上所述，各有利弊，可以从标定的难易程度、检测精度、平面物体的材质等多个因素考虑选择哪种方式
4.2采图当相机和激光角度固定时，相机安装方向的不同会导致灰度极性的不同（即高度越高的物体，对应的灰度值越亮还是越暗）。简单总结：相机自身安装是有方向的，若激光在相机的正方向的上面，则高度越高的物体，对应的灰度值越低；否则对应的灰度值越高。
基于此，如果想改变灰度极性，在不更改相机安装方向的情况下，可以通过设置ReverseY参数来更改。

文章插图

文章插图
4.3标定标定的目的：获得相机内外参数、以及激光光平面的方向。进而可以计算出物体X和Z向的物理单位大小。 3D相机一般集成了现成的标定模块，所以标定起来比较容易，经常用的标定方法为：锯齿形标定板

文章插图
通过在运动方向上移动标定块，调用相机自身的标定算法，来实现对3D相机的标定。
本文仅做学术分享，如有侵权，请联系删文。
下载1
在「计算机视觉工坊」公众号后台回复：深度学习，即可下载深度学习算法、3D深度学习、深度学习框架、目标检测、GAN等相关内容近30本pdf书籍。
下载2
在「计算机视觉工坊」公众号后台回复：计算机视觉，即可下载计算机视觉相关17本pdf书籍，包含计算机视觉算法、Python视觉实战、Opencv3.0学习等。
下载3
在「计算机视觉工坊」公众号后台回复：SLAM ，即可下载独家SLAM相关视频课程，包含视觉SLAM、激光SLAM精品课程。