प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

परीक्षण प्रभाव

मेक-मन संरचित प्रकाश कॅमेरा

मेक् माइण्ड् इत्यस्य संरचिताः प्रकाशकॅमेराः विशेषतः मेक्-आइ श्रृङ्खला औद्योगिक-स्तरीयाः उच्च-सटीक-3D-कैमराः सन्ति येषां उपयोगः औद्योगिकस्वचालनम्, रोबोट्-सञ्चारः, गुणवत्तानिरीक्षणम् इत्यादिषु क्षेत्रेषु व्यापकरूपेण भवति मेक माइण्ड् संरचितस्य प्रकाशकॅमेरा इत्यस्य विस्तृतं विश्लेषणं निम्नलिखितम् अस्ति ।

1. उत्पादस्य अवलोकनम्

मेक माइण्ड् इत्यस्य संरचितप्रकाशकैमराः, यथा मेक-आइ पीआरओ, उच्चगतिसंरचितप्रकाशप्रौद्योगिक्याः उपयोगं कुर्वन्ति येन उच्चसटीकतां गतिं च निर्वाहयन् उत्तमं परिवेशप्रकाशप्रतिरोधं प्रदातुं शक्यते एतेषु कॅमेरासु प्रायः समृद्धदृष्टि-एल्गोरिदम्-मॉड्यूलः भवति तथा च अनेकेषु विशिष्टेषु व्यावहारिक-परिदृश्येषु प्रयोक्तुं शक्यते, यथा निर्माण-कार्य-खण्डस्य लोडिंग्-अनलोडिंग्, उच्च-सटीक-स्थापनम्, संयोजनं, पेच-कठनीकरणं, शैक्षणिक-अनुसन्धानं च

2. कार्यसिद्धान्तः

मेक् माइण्ड् इत्यस्य संरचितप्रकाशकॅमेरा मुख्यतया संरचितप्रकाशप्रक्षेपणस्य सिद्धान्तस्य उपयोगं करोति । ते विशिष्टानि प्रतिमानाः (यथा लेसरद्वारा उत्पद्यमानं संरचितप्रकाशं) छायाचित्रं क्रियमाणस्य वस्तुनः उपरि प्रक्षेपयन्ति, तस्य वस्तुनः रूपरेखा आकारः च कॅमेराद्वारा गृह्यते एषा प्रौद्योगिक्याः वस्तुनः उपरि प्रकाशस्य प्रतिबिम्बस्य अपवर्तनस्य च विश्लेषणं कृत्वा वस्तुनः स्थितिः आकारः च समीचीनतया गणयितुं शक्नोति ।

3. उत्पादविशेषताः

1. उच्च परिशुद्धता : मेक माइण्ड् इत्यस्य संरचितप्रकाशकॅमेरा अल्पकाले एव उच्चसटीकत्रिविमप्रतिमानं प्राप्तुं शक्नोति । यथा, Mech-Eye PRO इत्यस्य Z-दिशायाः एकबिन्दुपुनरावृत्तिक्षमता 0.05mm (1.0m इत्यत्र) यावत् प्राप्तुं शक्नोति ।
2. उच्चवेगः: कॅमेरे द्रुतगतिना आँकडा-अधिग्रहणस्य, संसाधनस्य च क्षमता अस्ति उदाहरणार्थं, Mech-Eye PRO इत्यस्य विशिष्टः अधिग्रहणसमयः 0.3~0.6 सेकण्ड् भवति ।
3. विशालं दृश्यक्षेत्रं विशालं क्षेत्रगहनं च: केचन मॉडल्, यथा Mech-Eye Deep 3D कॅमेरा, बृहत् दृश्यक्षेत्रस्य बृहत् क्षेत्रगहनतायाः च लक्षणं भवति, तथा च सामान्य-स्टैकिंग् प्रकारेषु विविधेषु प्रयोक्तुं शक्यते
4. परिवेशप्रकाशस्य प्रति प्रबलः प्रतिरोधः: Mech Mind इत्यस्य संरचितप्रकाशकॅमेरा अद्यापि प्रबलपरिवेशप्रकाशहस्तक्षेपस्य (यथा >20000lx) अन्तर्गतं उत्तमं इमेजिंगप्रभावं निर्वाहयितुं शक्नोति।
5. लचीला परिनियोजनम्: कैमरा देशे विदेशे च अधिकांश मुख्यधारायां रोबोट्-ब्राण्ड्-अनुकूलितः अस्ति, अनुकूलित-रोबोट्-इत्यस्य सम्पूर्णं गति-नियन्त्रणं प्राप्तुं च शक्नोति ।
6. मुक्तं उपयोगाय च सुलभम्: उपयोक्तृणां गौणविकासस्य एकीकरणस्य च सुविधायै कॅमेरा मित्रवतः उपयोक्तृ-अन्तरफलकं, मुक्त-एपिआइ च प्रदाति ।
7. स्थिरं विश्वसनीयं च: Mech Mind इत्यस्य संरचितप्रकाशकॅमेराणां उच्चस्थिरता विश्वसनीयता च भवति, यथा Mech-Eye PRO इत्यस्य विफलतानां मध्ये औसतसमयः (MTBF) ≥ 40,000 घण्टाः

4. अनुप्रयोगक्षेत्राणि

मेक् माइण्ड् इत्यस्य संरचितप्रकाशकॅमेराणां उपयोगः वाहन, विमानन, मोल्ड् निर्माण, औद्योगिकस्वचालनम् इत्यादिषु क्षेत्रेषु बहुधा भवति । वाहनक्षेत्रे ते शीघ्रं सटीकतया च कारस्य शरीरस्य पृष्ठस्य आकारसूचनाः प्राप्तुं शक्नुवन्ति; .

5. सारांशः

मेक माइण्ड् इत्यस्य संरचितप्रकाशकैमरा औद्योगिकस्वचालनम्, रोबोट् नेविगेशन इत्यादिषु क्षेत्रेषु महत्त्वपूर्णां भूमिकां निर्वहन्ति यतोहि तेषां उच्चसटीकता, उच्चगतिः, विशालदृश्यक्षेत्रं, विशालक्षेत्रगहनता, परिवेशप्रकाशस्य प्रति प्रबलप्रतिरोधः, स्थिरता च विश्वसनीयता च भवति प्रौद्योगिक्याः निरन्तरं उन्नतिः, अनुप्रयोगपरिदृश्यानां निरन्तरविस्तारेण च मेक माइण्ड् इत्यस्य संरचितप्रकाशकैमराः अधिकक्षेत्रेषु स्वस्य अद्वितीयं मूल्यं प्रदर्शयिष्यन्ति इति अपेक्षा अस्ति

पायथन् विकासवातावरणं स्थापयन्तु

आभासी वातावरणं रचयन्तु

opencv-python संकुलं डाउनलोड् कुर्वन्तु

Mecamander Camera Capture Package इत्येतत् डाउनलोड् कुर्वन्तु

pip install MechEyeAPI
pip install python-opencv

चरणविश्लेषणम्

कॅमेरा संयोजयन्तु

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

कॅमेरा विच्छेदं कुर्वन्तु

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

2D चित्राणि 3D चित्राणि च संग्रहयन्तु

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))

सम्पूर्ण परीक्षण कोड

# 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()