2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Mech Mindin strukturoidut valokamerat, erityisesti Mech-Eye-sarja, ovat teollisuustason korkean tarkkuuden 3D-kameroita, joita käytetään laajalti teollisuusautomaatiossa, robottinavigaatiossa, laaduntarkastuksessa ja muilla aloilla. Seuraavassa on yksityiskohtainen analyysi Mech Mind -strukturoidusta valokamerasta:
Mech Mindin strukturoidut valokamerat, kuten Mech-Eye PRO, käyttävät nopeaa strukturoitua valotekniikkaa, joka tarjoaa erinomaisen ympäristön valonkestävyyden säilyttäen samalla suuren tarkkuuden ja nopeuden. Nämä kamerat sisältävät yleensä runsaasti näköalgoritmimoduuleja, ja niitä voidaan soveltaa moniin tyypillisiin käytännön skenaarioihin, kuten valmistustyökappaleiden lastaamiseen ja purkamiseen, erittäin tarkkaan paikannukseen, kokoonpanoon, ruuvien kiristämiseen ja akateemiseen tutkimukseen.
Mech Mindin strukturoitu valokamera hyödyntää pääasiassa strukturoidun valoprojisoinnin periaatetta. Ne projisoivat erityisiä kuvioita (kuten laserien tuottamaa rakenteellista valoa) valokuvattavaan kohteeseen, ja kamera tallentaa kohteen ääriviivat ja muodot. Tämä tekniikka voi laskea tarkasti kohteen sijainnin ja muodon analysoimalla valon heijastusta ja taittumista esineeseen.
Mech Mindin strukturoituja valokameroita käytetään laajalti autoissa, ilmailussa, muottien valmistuksessa, teollisuusautomaatiossa ja muilla aloilla. Autoalalla he voivat saada nopeasti ja tarkasti auton korin pinnan muototiedot ilmailualalla, he voivat saada ilma-aluksen kolmiulotteiset muototiedot, jotka tarjoavat tarkan tietotuen lentokoneen suunnittelua ja valmistusta varten; .
Mech Mindin strukturoiduilla valokameroilla on tärkeä rooli esimerkiksi teollisuusautomaatiossa ja robottinavigaatiossa niiden suuren tarkkuuden, suuren nopeuden, suuren näkökentän, suuren syväterävyyden, vahvan ympäristön valonkestävyyden sekä vakauden ja luotettavuuden ansiosta. Teknologian jatkuvan kehittymisen ja sovellusskenaarioiden jatkuvan laajentamisen myötä Mech Mindin strukturoitujen valokameroiden odotetaan osoittavan ainutlaatuisen arvonsa useammilla aloilla.
Luo virtuaalinen ympäristö
Lataa opencv-python-paketti
Lataa Mecamander Camera Capture -paketti
- pip install MechEyeAPI
- pip install python-opencv
Yhdistä kamera
- def ConnectCamera(self):
- camera_infos = Camera.discover_cameras()
- if len(camera_infos) != 1:
- print("相机连接出现异常,检查网线")
- return
- error_status = self.camera.connect(camera_infos[0])
- if not error_status.is_ok():
- show_error(error_status)
- return
Irrota kamera
- def DisConnectCamera(self):
- self.camera.disconnect()
- print("Disconnected from the camera successfully.")
Kerää 2D-kuvia ja 3D-kuvia
- def connect_and_capture(self):
-
- # Obtain the 2D image resolution and the depth map resolution of the camera.
- resolution = CameraResolutions()
- show_error(self.camera.get_camera_resolutions(resolution))
- print_camera_resolution(resolution)
-
- time1 = time.time()
- # Obtain the 2D image.
- frame2d = Frame2D()
- show_error(self.camera.capture_2d(frame2d))
- row, col = 222, 222
- color_map = frame2d.get_color_image()
- print("The size of the 2D image is {} (width) * {} (height).".format(
- color_map.width(), color_map.height()))
- rgb = color_map[row * color_map.width() + col]
- print("The RGB values of the pixel at ({},{}) is R:{},G:{},B{}n".
- format(row, col, rgb.b, rgb.g, rgb.r))
-
- Image2d = color_map.data()
-
- time2 = time.time()
- print('grab 2d image : '+str((time2-time1)*1000)+'ms')
-
-
- # if not confirm_capture_3d():
- # return
-
- # Obtain the depth map.
- frame3d = Frame3D()
- show_error(self.camera.capture_3d(frame3d))
- depth_map = frame3d.get_depth_map()
- print("The size of the depth map is {} (width) * {} (height).".format(
- depth_map.width(), depth_map.height()))
- depth = depth_map[row * depth_map.width() + col]
- print("The depth value of the pixel at ({},{}) is depth :{}mmn".
- format(row, col, depth.z))
- Image3d = depth_map.data()
- time3 = time.time()
- print('grab depth image : '+str((time3-time2)*1000)+'ms')
-
-
- return Image2d,Image3d
- # Obtain the point cloud.
- # point_cloud = frame3d.get_untextured_point_cloud()
- # print("The size of the point cloud is {} (width) * {} (height).".format(
- # point_cloud.width(), point_cloud.height()))
- # point_xyz = point_cloud[row * depth_map.width() + col]
- # print("The coordinates of the point corresponding to the pixel at ({},{}) is X: {}mm , Y: {}mm, Z: {}mmn".
- # format(row, col, point_xyz.x, point_xyz.y, point_xyz.z))
- # With this sample, you can connect to a camera and obtain the 2D image, depth map, and point cloud data.
- import time
-
- from mecheye.shared import *
- from mecheye.area_scan_3d_camera import *
- from mecheye.area_scan_3d_camera_utils import *
- import cv2
-
-
- class ConnectAndCaptureImages(object):
- def __init__(self):
- self.camera = Camera()
-
- def connect_and_capture(self):
-
- # Obtain the 2D image resolution and the depth map resolution of the camera.
- resolution = CameraResolutions()
- show_error(self.camera.get_camera_resolutions(resolution))
- print_camera_resolution(resolution)
-
- time1 = time.time()
- # Obtain the 2D image.
- frame2d = Frame2D()
- show_error(self.camera.capture_2d(frame2d))
- row, col = 222, 222
- color_map = frame2d.get_color_image()
- print("The size of the 2D image is {} (width) * {} (height).".format(
- color_map.width(), color_map.height()))
- rgb = color_map[row * color_map.width() + col]
- print("The RGB values of the pixel at ({},{}) is R:{},G:{},B{}n".
- format(row, col, rgb.b, rgb.g, rgb.r))
-
- Image2d = color_map.data()
-
- time2 = time.time()
- print('grab 2d image : '+str((time2-time1)*1000)+'ms')
-
-
- # if not confirm_capture_3d():
- # return
-
- # Obtain the depth map.
- frame3d = Frame3D()
- show_error(self.camera.capture_3d(frame3d))
- depth_map = frame3d.get_depth_map()
- print("The size of the depth map is {} (width) * {} (height).".format(
- depth_map.width(), depth_map.height()))
- depth = depth_map[row * depth_map.width() + col]
- print("The depth value of the pixel at ({},{}) is depth :{}mmn".
- format(row, col, depth.z))
- Image3d = depth_map.data()
- time3 = time.time()
- print('grab depth image : '+str((time3-time2)*1000)+'ms')
-
-
- return Image2d,Image3d
- # Obtain the point cloud.
- # point_cloud = frame3d.get_untextured_point_cloud()
- # print("The size of the point cloud is {} (width) * {} (height).".format(
- # point_cloud.width(), point_cloud.height()))
- # point_xyz = point_cloud[row * depth_map.width() + col]
- # print("The coordinates of the point corresponding to the pixel at ({},{}) is X: {}mm , Y: {}mm, Z: {}mmn".
- # format(row, col, point_xyz.x, point_xyz.y, point_xyz.z))
-
- def main(self):
- # List all available cameras and connect to a camera by the displayed index.
- if find_and_connect(self.camera):
- d2,d3 = self.connect_and_capture()
- self.camera.disconnect()
- print("Disconnected from the camera successfully.")
- return d2,d3
-
- def GrabImages(self):
- d2, d3 = self.connect_and_capture()
- return d2, d3
-
- def ConnectCamera(self):
- camera_infos = Camera.discover_cameras()
- if len(camera_infos) != 1:
- print("相机连接出现异常,检查网线")
- return
- error_status = self.camera.connect(camera_infos[0])
- if not error_status.is_ok():
- show_error(error_status)
- return
- def DisConnectCamera(self):
- self.camera.disconnect()
- print("Disconnected from the camera successfully.")
-
-
-
-
-
- if __name__ == '__main__':
-
- #pip install MechEyeAPI
-
- print('初始化相机对象')
- MechMindGraber = ConnectAndCaptureImages()
- # d2,d3 = a.main()
- print('连接相机')
- MechMindGraber.ConnectCamera()
-
- for i in range(60):
- print(str(i)+'rn')
- print('采集亮度图和深度图')
- d2,d3 = MechMindGraber.GrabImages()
-
-
- cv2.imshow('1',d2)
- cv2.waitKey()
- cv2.imshow('1', d3)
- cv2.waitKey()
- print('断开连接')
- MechMindGraber.DisConnectCamera()