Содержание к диссертации
Введение
1. Робототехнические комплексы для сборки перемещающихся цилиндрических объектов 8
1.1. Структура робототехнических сборочных комплексов 8
1.2. Системы технического зрения и визуального слежения 31
1.3. Силомоментное очувствление и управление сборочных роботов 44
1.4. Выводы 39
2. Определение скорости и положения перемещающихся объектов на основе анализа изображения 45
2.1.Концепции, понятия и технические средства визуальных измерений...45
2.2. Методика обнаружения объекта на движущемся конвейере 55
2.3.Модель процесса искажения изображения подвижного объекта 59
2.4.Подавление шумов с помощью пространственной фильтрации 63
2.5.Методика восстановления изображения 67
2.6.Идентификация цилиндрических объектов и центра отверстий 73
2.7 Определение скорости перемещения и идентификация размытого изображения 80
2.8.Выводы 84
3. Разработка структуры гибридной системы управления робота для сборки перемещающихся цилиндрических объектов 85
3.1. Динамическое управление роботами с визуальной обратной связью 85
3.2. Разработка структуры системы и алгоритма нечеткого визуального управления сборочным роботом 99
3.3. Разработка логико-лингвистической модели нечеткого регулятора... 108
3.4.Алгоритмы и структуры систем позиционно-силового управления сборкой цилиндрических объектов 115
3.5.Выводы 131
4. Аппаратурная реализация и цифровое моделирование системы управления 133
4.1 .Аппаратурная реализация системы технического зрения 133
4.2. Идентификация цилиндрических объектов и центра отверстий 143
4.3 .Моделирование нечеткого регулятора 145
4.4.Выводы 152
Заключение 153
Библиографический список
- Системы технического зрения и визуального слежения
- Методика обнаружения объекта на движущемся конвейере
- Разработка структуры системы и алгоритма нечеткого визуального управления сборочным роботом
- Идентификация цилиндрических объектов и центра отверстий
Введение к работе
Актуальность исследования. Одним из приоритетных научно-технических направлений является создание технологических мехатрон-ных и робототехнических систем, основанных на синергетическом объединении узлов точной механики, электронных и электротехнических компонент с компьютерным управлением движением. К наиболее трудоемким и ответственным технологическим операциям в машиностроении и приборостроении относятся сборочные операции. Трудоемкость сборки достигает 40-50% от общей трудоемкости изготовления изделий. Уровень автоматизации сборочных операций в машиностроении составляет 5-15%.
Вопросам создания и применения адаптивных роботов в составе роботизированных сборочных систем посвятили свои работы М. Вукобратович, А.А. Гусев, Ф.М. Кулаков, М.С. Лебедовский, В.Г. Нуждихин, Д.Е. Охо-цимский, А.И. Федотов, Е.И. Юревич, Л.С. Ямпольский, Van Brussel Н., Merlit J.P. и другие авторы.
Актуальным направлением развития современных робототехнических систем является создание робототехнических сборочных комплексов, позволяющих выполнять монтажно-сборочные операции при непрерывном синхронном перемещении сопрягаемых деталей в условиях неопределенности исходного положения и скорости перемещения базовой детали. Управление манипуляционными роботами при выполнении подобных технологических операций происходит в условиях позиционно-силового взаимодействия сопрягаемых деталей, что приводит к необходимости си-ломоментного очувствления (СМО) робота. Эффективность решения задач идентификации в условиях неопределенности положения объектов повышается применением систем визуальной информации и, в частности систем технического зрения (СТЗ).
Цель работы и основные задачи исследования. Целью диссертационной работы является повышение эффективности управления технологическими роботами при выполнении операций вертикальной сборки с гарантированным зазором цилиндрического вала с горизонтально перемещающейся деталью с центральным отверстием за счет применения алгоритмов визуального определения незаданного положения и скорости перемещения базовой детали и визуального слежения за её перемещением сборочного робота с силомоментным очувствлением.
Для определения условий и возможностей повышения эффективности процесса автоматической сборки перемещающихся цилиндрических изделий были поставлены и решены следующие основные задачи:
Разработка методики визуального обнаружения перемещающейся цилиндрической детали, определения координат ее расположения на конвейере и координат центрального отверстия;
Разработка методики определения скорости перемещения детали и математической модели ухудшения изображения детали вследствие ее перемещения;
Разработка алгоритма и компьютерной программы визуального слежения сборочного робота за перемещением детали;
Разработка алгоритма и структуры системы позиционно-силового управления сборочным роботом при выполнении операции сопряжения синхронно перемещающихся цилиндрических деталей;
Экспериментальное исследование системы управления с восстановлением изображения, идентификацией положения и скорости перемещения цилиндрических объектов.
Методы исследования. При разработке алгоритмов и структуры системы управления сборочным роботом с визуальным и силомоментным
очувствлением используется комплексный подход, включающий классиче-
ские законы физики, теорию систем технического зрения и автоматического управления. Исследование процессов идентификации и управления выполнено экспериментально и методом математического моделирования с применением разработанных автором программ.
Новые научные результаты, выносимые на защиту:
Математическая модель ухудшения изображения объекта, вследствие его перемещения в виде двухмерной свертки первоначального изображения и функции деградации с учетом визуальных помех в виде шума Гаусса;
Алгоритм обнаружения перемещающегося цилиндрического объекта с восстановлением его изображения и определением скорости движения на основе метода фонового вычитания, преобразования Фурье и частотного фильтра Винера;
Алгоритм идентификации цилиндрических объектов и их центральных отверстий на основе функций оценки круглости распознаваемых контуров бинарных изображений;
Алгоритм и структура системы комбинированного позиционно-силового управления сборочным роботом с визуальным и силомоментным очувствлением на основе анализа динамического взаимодействия сопрягаемых деталей.
Практическую значимость представляют следующие результаты:
Компьютерная Simulink программа визуального обнаружения и определения координат цилиндрического объекта, перемещающегося в плоскости по прямой линии;
Компьютерная Simulink модель и программа моделирования системы нечеткого визуального управления сборочным роботом в условиях неопределенности параметров размытости изображения объекта;
Алгоритм работы и структура системы позиционно-силового управления технологическим роботом с визуальным и силомоментным очувствлением при вертикальной сборке узлов типа «вал-втулка» с гарантированным зазором.
Апробация работы. Основные положения диссертационной работы докладывались на: 5-й научно-технической конференции «Мехатроника, автоматизация, управление» (МАУ-2008), СПб., 2008; 19-й Всероссийской научно-технической конференции с международным участием «Экстремальная робототехника», СПб, 2008; Международной научной конференции по дифференциальным уравнениям и динамике систем, Суздаль, 2008; Международной научной конференции по математической теории управления и механике, Суздаль, 2009; Международной научно-технической конференции «Состояние и перспективы развития электротехнологий» (XV Бенардосовские чтения), Иваново, ИГЭУ им. В.И.Ленина, 2009; заседании кафедр «Автоматические и мехатронные системы» и «Автоматизация технологических процессов» ВлГУ; научно-технической конференции ВлГУ.
Публикации. Основные результаты диссертационной работы нашли отражение в девяти опубликованных печатных работах, в т.ч. 1 статье в издании по перечню ВАК.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, списка литературы и приложения. Объем основного содержания работы составляет 170 печатных страниц, включая 5 таблиц, 70 рисунков и список литературы из 138 наименований.
Системы технического зрения и визуального слежения
В начале 1980-х годов развитие области искусственного зрения было медленным и в основном академическим, интерес промышленности был низок вплоть до конца 1980-ых, начала 1990-ых годов. Снижение расходов на вычислительную мощность сделало СТЗ более привлекательными и привело к росту сфер их применения и к увеличению числа компаний, развивающих такие системы. На сегодняшний день область СТЗ стала уверенной промышленностью, приносящей миллиарды долларов.
Целями СТЗ являются распознавание положения, идентификация, контроль формы, размеров и законченности, сравнение изображения и объекта и обследование поверхности. Распространенная цель - обнаружение объекта или управление манипулятором (или другими механизмами) для выполнения конкретной задачи.
Базовая конфигурация СТЗ состоит из видеокамеры, блоков памяти и обработки изображения.
Камера используется для создания изображения, трансформированного для хранения кадров в памяти. Данные кадров тогда доступны для компьютерной обработки и анализа. Камеры, работающие в видимом спектре, - это в основном вакуумные приборы или полупроводниковые камеры на твердых элементах, использующие методы телевизионного растрового сканирования (двухмерные) или однолинейного сканирования (одномерные). Технология вакуумных приборов широко признана в мире (Videcon, Plumbicon, Staticon и Newicon) и имеет свои преимущества, обеспечивающие высокое разрешение, низкую себестоимость и спектральные характеристики с диапазоном от инфракрасного до ультрафиолетого. Как бы то ни было, камеры являются хрупкими с относительно коротким рабочим периодом - около 10000 часов; имеют свойства, изменяющиеся со временем; проявляют значительное геометрическое искажение (галтовка и подушкообразное искажение) и высокий уровень шума; они чувствительны к внешним магнитным полям. Камеры также склоны к запаздыванию изображения, с остаточным изображением движущегося объекта, которое переносится на следующее изображение. Сканирование происходит через строчным способом, сначала считываются нечетные ряды в поле изображения, потом четные. Эта процедура выбрана для уменьшения мерцания, но это увеличивает сложность обработки сигнала.
По сравнению с вакуумными полупроводниковые камеры на твердых элементах являются компактными и прочными, с высоким уровнем четкости и низкими уровнями шумов, с незначительным геометрическим искажением и отставанием изображения и низкими энергозатратами.
Их недостатками являются ограниченный спектральный отклик, чувствительность и высокая сложность компонентов. Информация, полученная с помощью камеры, используется для создания полутонового изображения, в котором уровень интенсивности каждого элемента картины представлен двоичной величиной. Обычно применяют 6 или 8 битов для расшифровки шкалы серого. Если необходимо цветное изображение, то оно может быть получено с помощью соответствующей фильтрации, но за счет увеличения необходимого объема памяти и времени обработки. Разрешение картинки определяется количеством использованных пикселей. Для большинства промышленных целей обычно достаточно матрицы 256x256 или 512 х 512, требующей 64 Кб и 2 5 6 Кб памяти для скалы серого в 8 бит соответственно. В других сферах применения таких, как в медицинской, или получении изображений со спутников, требуется более высокое разрешение, и необходимы матрицы размером приблизительно 10 х 105 пикселей.
В камерах со строчной разверткой применяются линейные матрицы фотодетекторов, что обеспечивает низкую стоимость получения простых изображений. Обычно камеры со строчной разверткой используются для измерений размеров и ориентации объектов, попадающих в поле изображения, например, объекты, движущиеся по конвейеру.
Тепловые СТЗ используют пироэлектрический эффект, получаемый в определенных полупроводниковых материалов. Если такой материал подвергнуть инфракрасному излучению, полученное искажение поверхности заряда в материале пропорционально количеству поглощенной тепловой энергии. Затем этот поверхностный заряд считывается сканирующим электронным лучом для создания изображения. Спектральный отклик теплового изображения контролируется реакцией
Методика обнаружения объекта на движущемся конвейере
Системы наблюдения и контроля часто требуют сегментации всех подвижных объектов в видеосерии. Сегментация является ключевым шагом с тех пор, как она влияет на работу других модулей, например, на отслеживание положения объекта в пространстве, классификацию или распознавание. Например, при классификации объекта необходимо точное определение местонахождения для получения правильной классификации объекта. Фоновое вычитание является простым методом для обнаружения области движения. Это может быть выполнено несколькими способами. В [107] каждом пикселе фона изображение представлено тремя свойствами: минимальной интенсивностью, максимальной интенсивностью и максимальной величиной изменения последовательных кадров [129], или средней величиной самой большой внутрикадровой абсолютной разности [105].
Фоновое вычитание может использоваться при комбинировании различных видов свойств. Другие методы зависят от использования статистических моделей фонового изображения. The Pfmder ("Person Finder") [133] предполагает, что фон смоделирован с помощью Гауссова распределения (дистрибуции): каждый пиксель описывается его средней величиной и ковариацией матрицы. Обнаружение объекта основано на обнаружении области - соединенной, связанной зоны, полученной при скоплении пикселей похожего цвета и с похожими координатами изображения. Смешанная статистическая цветовая модель используется для контроля человеческой деятельности в помещении. В [124] сегментация основана на методе адаптивного фонового вычитания, который Aоделирует каждый пиксель как Гауссову смесь. В [138] предлагается метод фонового вычитания, комбинирующий цвета и информацию отклонения. Другой подход описан в [92]. Эта система включает моделирование разнородного фона, комбинирования различных методов: адаптивная пороговая классификация с гистерезисом (запаздыванием) и пространственно-временным группированием активных пикселей, показывающие квазисоединенные компоненты. В методе фонового вычитания существует проблема, связанная с псевдоактивными областями, так называемыми «отрицательными». Эти области возникают из-за неподвижных объектов, принадлежащих к фоновому изображению, (например, машины), которые начинают двигаться. Это приводит к появлению псевдоактивной области, расположенной в месте, где находился объект из-за разницы между текущим кадром и моделью фона, полученной с помощью использования более ранней информации. Эта проблема может быть решена высокоуровневыми методами [99] или моделированием фона с помощью Гауссовой смеси [124].
В нашей работе для обнаружения перемещающегося объекта применяется алгоритм, основанный на методе фонового вычитания. На первом этапе 1 кадр, фиксирующий изображение конвейера без объекта, принимается в качестве фона. На следующем этапе происходит сравнение фона с видеосигналом, передающимся в реальном времени с видеокамеры, находящейся над конвейером в компьютерную программу в среде Simulink Matlab (рис. 2.3).
На основе вычитания фона из каждого кадра видеосигнала мы получаем нулевой результат, который свидетельствует об отсутствии объекта в области. Если результат превышает определенную пороговую величину, то это означает появление объекта в интересуемой нас области. Для определения, находится ли объект полностью в рабочей зоне или нет, используются сегментация изображения для определения контура области.
Компьютерное изображение представляет собой матрицу, состоящую из отдельных «включенных» и «выключенных» пикселей. Для перехода от этих индивидуальных пикселей к связанным бинарным областям, необходимо идентифицировать группы из смежных или соединенных друг с другом пикселей. Этот процесс называется определением области или бинарной сегментацией.
Существуют 2 основополагающих метода определения области. Основой первого метода является идентификация определением пикселей его контура. Второй метод основан на проверке каждого пикселя в контексте соседних, а область увеличивается добавлением новых пикселей, если они связаны. Главным преимуществом этого метода обнаружения и анализа является его относительная нечувствительность к деградации формы и шумам [126].
Необходимо определить минимальную и максимальную площадь объекта во время движения в рабочей зоне видеокамеры и ввести эти величины в алгоритм в качестве параметров объекта.
На рис. 2.4 приведены три примера процесса обнаружения объекта, движущегося по конвейеру с разными скоростями. Примеры процесса обнаружения объекта, движущегося с разными скоростями: а, д, и— окно текущего видео; б, е, к- изображения объекта после сегментации; в, ж, л - изображение объекта, зафиксированное после его обнаружения; г, з, м - результаты обнаружения объекта в текущем видео
В модели искажения изображения рис. 2.5 [27] рассматриваемое изображение g(x, у) является результатом моделирования двухмерной линейной системы и может быть охарактеризовано функцией искажающего оператора h(x,
Модель процесса искажения изображения В этой модели, f(x,y) - это исходное изображение. Термин «изображение» относится к функции двухмерной световой интенсивности f(x,y), где х и у обозначают пространственные координаты, а величина/от любой точки (х,у) пропорциональна яркости (или серому уровню) изображения этой точки. «Цифровое изображение» - это изображение f(x,y) разделено в обе пространственные координаты (дискретизация изображения) и яркость (квантование). Цифровое изображение может быть рассмотрено как матрица, чьи ряды и колонки указывают на точку изображения, а соответствующая матричная величина определяет серый уровень этой точки. Элементы такого цифрового порядка называются пиксели. Изображения людей, полученные в повседневной обстановке обычно состоит из света, отраженного от предметов. Основная сущность f(x, у) может быть охарактеризована двумя компонентами: (1) количества источника света падающего на место съемки и (2) количества света, отраженного от предметов в этом месте. Соответственно они называются компонентами освещения и отражения и обозначаются 1(х, у) и г(х, у). Для получения/ :, у) необходимо произведение функций 1(х, у) и г(х, у): f (х,у) = i(x,y) г(х,у), где 0 /(X,JO«X И 0 Г(Х, ) 1 Вышеприведенные уравнения определяют, что отражение ограничено 0 (абсолютным поглощением) и 1 (полным отражением). Сущность 1(х, у) определяется источником света, а г(х,у) определяются характеристиками предметов в месте съемки [14].
Разработка структуры системы и алгоритма нечеткого визуального управления сборочным роботом
Управление манипуляционными роботами с визуальным очувствлением позволяет преодолеть многие трудности, связанные с неточностью моделей робота и недерминированностью внешней среды. Визуальное очувствление реализовано с помощью видеокамеры на запястье робота рис.3.1.
Сборочный робот с визуальным очувствлением Информация о перемещающейся детали поступает в виде изображения, воспринимаемого и обрабатываемого системой технического зрения СТЗ і, и позволяет на "сенсорном уровне" распознать объект и определить его положение относительно видеокамеры. По этим данным "уровень управления роботом" выдает команды исполнительным приводам по формированию синхронного движения схвата сборочного робота.
Динамика иерархической системы управления существенно зависят от моделей всех уровней и их взаимодействие с учетом задержек при обмене информацией, неопределенностей, свойств робота и блоков наблюдения. Для робота с СТЗ в контуре управления весьма важен этап перехода от признаков изображения к командам приводам робота, особенно, если точное преобразование между этими признаками и положением объектов в абсолютной системе координат неизвестно.
В традиционной системе управления движениями робота вектор ref требуемого положения и ориентации рабочего органа робота в абсолютной системе координат (в рабочем пространстве) преобразуется в вектор требуемых значений ref обобщенных координат с использованием кинематической модели. Сервосистема управления степенями подвижности, получая от блока наблюдения данные о положении и скорости каждой из них, формирует напряжения U на приводы для отслеживания уставок rcf. Однако, если фактическая геометрия робота хотя бы немного отличается от заложенной в модель, достигнутая точка позиционирования робота X будет отличаться от геГи в отсутствии обратной связи с измерением положений рабочего органа скорректировать эту погрешность нельзя. Замыкание контура обратной связи с помощью СТ32, открывает возможность коррекции таких отклонений, делает необходимым привлекать значительные вычислительные ресурсы для решения сложных задач интерпретации сцен, определения положения и ориентации объектов и расчета нужных движений робота в результате анализа пространственных соотношений между объектами. Работа СТЗ в такой системе управления иллюстрируется рис.3.2, Xref л є Контроллер визуального управления и Динамика Area/ Jі робота Xcc Обработкаизображения Интерпретация изображения Камера f / Признак Изображение
Структура системы управления с визуальной обратной связью: ref-расчетный управляющий сигнал; X ос- сигнал обратной связи В результате обработки изображения трехмерной сцены (двумерного массива отсчетов яркости) выделяется набор f его глобальных и локальных признаков: фрагментов изображения (точки, линии области) и их количественных параметров. Признаки f, получаемые соответствующим блоком наблюдения, передаются на верхний уровень для распознавания объектов и интерпретации сцены с установлением соотношений между ними в абсолютной системе координат. Выходом блока наблюдения для и у распознавания является оценка относительных положений ref объекта X. rel rcf видеокамеры, которую можно сравнить с заранее заданным значением для замыкания управляющего контура сенсорной обратной связи. Значения rel и reI меняются в темпе измерений, и команды на коррекцию положения схвата робота выдаются непосредственно во время его движения. В такой динамической системе сервоуправления взаимодействие между уровнями иерархии становится критическим, и для обеспечения устойчивости требуется контроллер визуального управления. у При определении относительного положения робота rcl СТЗ использует два нелинейных преобразования. Во-первых, преобразование из абсолютной системы координат в признаковое пространство (3.1), которое можно рассматривать как оператор, обратный "идеальному" оператору интерпретации признаков на основе точных моделей объектов и видеосенсора. / = Г1[Х] (3.1)
Во-вторых, признаки отображаются в абсолютную систему координат при помощи приближенного оператора интерпретации Л, соответствующего преобразованию X = ![/] (3.2) на которое влияют неизвестные шумы датчиков и неточности моделей. Если у в рассматриваемом диапазоне ге1 — однозначная функция f, то управление можно осуществлять, непосредственно используя сами признаки f в качестве сигналов обратной связи, и тем самым избавиться от этапа интерпретации (3.2).
Можно, например, сопоставлять текущее изображение, воспринимаемое камерой, с желаемым ("эталонным") изображением. Для получения монотонных (хотя и нелинейных) зависимостей между признаками и положением объекта воспользоваться такими параметрами, как площадь изображения объекта, отношение площадей определённых его фрагментов, координаты центра тяжести изображения. Условие однозначности преобразования удовлетворяется, если: 1) первые частные производные компонент f по компонентам ге1 . непрерывны, 2) якобиан идеального обратного оператора интерпретации fcat=lc 1 /с Чеі) невырожден. Поскольку детерминант определен только для квадратных матриц, допустимое число степеней подвижности должно быть равно количеству измеряемых признаков.
Идентификация цилиндрических объектов и центра отверстий
Общими критериями выбора камеры для использования в нашей работе являются: скорость, разрешение, качество изображения. Скорость камеры, то есть возможная частота кадров, определяет, сколько изображений объекта может быть получено в течение ограниченного периода времени, а также обеспечивает достаточное количество помех движения, необходимых для измерения скорости движения объекта. Итак, конечная частота кадров зависит от времени обработки одного кадра. Это значит, что камера должна быть способной зафиксировать (записать) столько кадров, сколько могут быть обработаны. Частота кадров тесно связана с разрешением изображения. Более высокое разрешение означает, что большее количество данных могут быть переданы и обработаны. Таким образом, существует отношение между разрешением и скорость. Более высокое разрешение означает, что элементы меньшего размера находятся на матрице ПЗС, поэтому объект может быть отображен более детально. Качество изображения важно для проведения точных измерений.
При проведении экспериментов для тестирования технических свойств использовались 3 камеры рис. 4.1. Виды камер: a- Mecury cyberpix S-550V; б- EOS Cannon D450; в- USB камера VEC-535. Эти камеры имеют USB соединение с ПЗС и формирователь изображений. Для проверки алгоритма нахождения объекта использовалась компьютерная камера Месшу cyberpix S-550V -с видеоразрешением цветных изображений (320x240) с частотой кадров меньше чем 30 кадров в секунду(фз). EOS Cannon D450 является профессиональной камерой с широким спектром частоты кадров, достаточным, чтобы узнать, какую скорость затвора необходимо применять для получения хорошего диапазона помех движения с учетом скорости конвейера, таким образом, имеет очень высокое разрешение изображения.
USB камера VEC-535 - мегапиксельная телевизионная USB-камера предназначена для передачи изображений высокой четкости в персональный компьютер или ноутбук по интерфейсу USB 2.0. Возможность работы на нескольких частотах кадров позволяет выбирать в зависимости от условий наблюдений приоритет разрешающей способности или динамики изображения.
Такие параметры, как размер объект, размер датчика, расстояние между камерой и объектом и требования точности определяют правильную оптическую систему (объектив) для конкретного применения. Далее термин линзы будет использоваться в качестве синонима оптической системы или объектив, хотя объектив на самом деле больше чем просто только линзы (iris, корпус, фиксатор, регулировочный винт и т. д.). Линзы, как бы то ни было, являются самым главным фактором, определяющим свойства объектива. Наиболее важными параметрами для выбора линз являются фокусное расстояние, относительная апертура объектива, усиление, угол изображения, глубина фокуса, минимальное расстояние до объекта и, наконец, цена. На практике линзы состоят из различных слоев специального стекла. Высокая точность необходима для обеспечения высокого качества линз, таким образом, такие линзы могут быть очень дорогими. Существуют различные типы линз, включая линзы с фиксированным фокусом и с zoom (с переменным фокусным расстоянием). В то время как линзы с фиксированным фокусом согласно определению имеют фиксированное фокусное расстояние, линзы с zoom покрывают спектр различных фокусных расстояний. Текущее фокусное расстояние может быть отрегулировано вручную или автоматически. Для применения в системах технического зрения предпочтительны линзы с фиксированным фокусным расстоянием [114]. Если условия сильно ограничены, самые хорошие линзы могут быть выбраны априори. В этом разделе дан краткий обзор наиболее важных параметров линз и объяснен выбор линз для данной работы.
Фокусное расстояние
В идеальной модели камеры с тонкими линзами фокусное расстояние определяется как расстояние между линзами и фокусом, то есть точка, в которой параллельные лучи, падающие на линзу с одной стороны пересекаются с другой стороны рис. 2.2. В действительности, величина фокусного расстояния определяется изготовителем, зависит от используемой модели линз (которая обычно неизвестна) и не должна быть точной. В сферах, где требуется высокая точность, калибровка камеры важна для определения внутренних параметров камеры, включая эффективное фокусное расстояние с учетом основной модели камеры Относительная апертура
Относительная апертура описывает отношение фокусного расстояния к размеру относительной апертуры [45]: Таким образом, апертура - индикатор силы концентрации световых лучей линз. Стандартные величины 1.0, 1.4, 2, 2.8, 4, 5.6, 8, 11, 16, 22, и 32 с постоянной пропорцией (коэффициентом) V2 между последующими величинами. Меньшая апертура означает, что больше света может пойти сквозь линзы и наоборот. Линзы камеры часто определяются минимумом и максимум апертуры, также называемым спектром iris (iris range).
Представленная в главе2 методика выбора освещения очень важна при создании СТЗ. Для определения точного положения и идентификации объекта для анализа требуется резкий контраст контуров объекта, особенно на границах, что считается важным фактором для восстановления. Любая тень исказит двухмерную проекцию изображения. Поверхность материала объекта кажется матовым под рассеянным освещением, но показывает зеркальные отражения, если освещать прямым точечным источником света. В эксперименте была протестирована стандартная настольная галогенновая лампа с рассеивателем, установленная на фронтальный тип освещения, которая показала хороший контраст, необходимый для получения линейных помех движения.
