Condivisione della tecnologia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Prova effetto

Telecamera a luce strutturata Mech-Mind

Le telecamere a luce strutturata di Mech Mind, in particolare la serie Mech-Eye, sono telecamere 3D ad alta precisione di livello industriale ampiamente utilizzate nell'automazione industriale, nella navigazione robotica, nell'ispezione di qualità e in altri campi. Quella che segue è un'analisi dettagliata della telecamera a luce strutturata Mech Mind:

1. Panoramica del prodotto

Le telecamere a luce strutturata di Mech Mind, come Mech-Eye PRO, utilizzano la tecnologia della luce strutturata ad alta velocità per fornire un'eccellente resistenza alla luce ambientale pur mantenendo elevata precisione e velocità. Queste telecamere contengono solitamente moduli di algoritmi di visione avanzati e possono essere applicate a molti scenari pratici tipici, come il carico e lo scarico di pezzi di produzione, il posizionamento ad alta precisione, l'assemblaggio, il serraggio di viti e la ricerca accademica.

2. Principio di funzionamento

La fotocamera a luce strutturata di Mech Mind utilizza principalmente il principio della proiezione della luce strutturata. Proiettano modelli specifici (come la luce strutturata generata dai laser) sull'oggetto da fotografare e il contorno e la forma dell'oggetto vengono catturati dalla fotocamera. Questa tecnologia può calcolare con precisione la posizione e la forma di un oggetto analizzando la riflessione e la rifrazione della luce sull'oggetto.

3. Caratteristiche del prodotto

1. Alta precisione : La fotocamera a luce strutturata di Mech Mind può ottenere modelli tridimensionali ad alta precisione in breve tempo. Per oggetti diversi, è possibile ottenere informazioni precise sulla forma in un solo scatto. Ad esempio, la ripetibilità a punto singolo in direzione Z di Mech-Eye PRO può raggiungere 0,05 mm (a 1,0 m).
2. ad alta velocità: La fotocamera dispone di funzionalità di acquisizione ed elaborazione dati rapide. Ad esempio, il tempo di acquisizione tipico di Mech-Eye PRO è di 0,3~0,6 secondi.
3. Ampio campo visivo e grande profondità di campo: Alcuni modelli, come la fotocamera Mech-Eye Deep 3D, hanno le caratteristiche di ampio campo visivo e ampia profondità di campo e possono essere applicati a una varietà di tipi di impilamento comuni.
4. Forte resistenza alla luce ambientale: La fotocamera a luce strutturata di Mech Mind può comunque mantenere eccellenti effetti di immagine anche in presenza di forti interferenze della luce ambientale (come >20000 lx).
5. Distribuzione flessibile: La telecamera è adattata alla maggior parte delle marche di robot tradizionali in patria e all'estero e può ottenere il controllo completo del movimento dei robot adattati.
6. Aperto e facile da usare: La fotocamera fornisce un'interfaccia utente intuitiva e un'API aperta per facilitare lo sviluppo e l'integrazione secondari degli utenti.
7. Stabile e affidabile: Le telecamere a luce strutturata di Mech Mind hanno un'elevata stabilità e affidabilità, come il tempo medio tra i guasti (MTBF) di Mech-Eye PRO ≥ 40.000 ore.

4. Aree di applicazione

Le telecamere a luce strutturata di Mech Mind sono ampiamente utilizzate nel settore automobilistico, aeronautico, nella produzione di stampi, nell'automazione industriale e in altri campi. Nel campo automobilistico, possono ottenere in modo rapido e accurato le informazioni sulla forma della superficie della carrozzeria dell'auto; nel campo dell'aviazione, possono ottenere le informazioni sulla forma tridimensionale dell'aeromobile, fornendo un supporto dati accurato per la progettazione e la produzione dell'aeromobile. .

5. Riepilogo

Le telecamere a luce strutturata di Mech Mind svolgono un ruolo importante in campi come l'automazione industriale e la navigazione dei robot grazie alla loro elevata precisione, alta velocità, ampio campo visivo, ampia profondità di campo, forte resistenza alla luce ambientale, stabilità e affidabilità. Con il continuo progresso della tecnologia e la continua espansione degli scenari applicativi, si prevede che le telecamere a luce strutturata di Mech Mind dimostreranno il loro valore unico in più campi.

Configura un ambiente di sviluppo Python

Creare un ambiente virtuale

Scarica il pacchetto opencv-python

Scarica il pacchetto Mecamander Camera Capture

pip install MechEyeAPI
pip install python-opencv

Analisi dei passi

Collega la fotocamera

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

Scollegare la fotocamera

def DisConnectCamera(self):
    self.camera.disconnect()
    print("Disconnected from the camera successfully.")

Raccogli immagini 2D e immagini 3D

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))

Codice di prova completo

# 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()