ML-gestützte Filterung fehlerhafter Daten für optimale Kalibrierungsergebnisse
Export in branchenübliche Formate wie OpenCV oder als pixelgenaue Sichtstrahl-Lookup-Tabelle
Umfassende Werkzeuge zur Qualitätskontrolle
Ideal für Forschung & Entwicklung, DIY-Projekte und Kleinserien. Präzise metrologische Kalibrierung an identischen Positionen und unter gleichen Bedingungen
Die Station arbeitet nach dem Active-Target-Prinzip: Ein Flachbildschirm zeigt eine Abfolge codierter Muster, die Kamera erfasst diese synchron, und das System dekodiert die Bilder. So werden selbst kleinste Details der Kamerageometrie sichtbar. Die Rohdaten können direkt für eigene Kalibrierungsprozesse genutzt werden, oder Sie profitieren von unserer ML-gestützten geometrischen und kolorimetrischen Kalibrierung.
Ausstattung der Station
Flacher, vorkalibrierter Bildschirm
Mac Mini oder vergleichbarer PC
Vorinstalliertes Radiant Metrics Calibration Studio
Eine Kamera für Tests und Wartung
Umfangreiche Datenerfassung
Für jeden Kamerapixel wird ein 3D-Referenzpunkt bestimmt
Jeder Punkt enthält eine unverzerrte Unsicherheitsabschätzung
Photometrische Sensitivitätscharakterisierung pro Pixel
Für eine 12-MP-Kamera bis zu 12 Millionen Referenzpunkte pro Pose
Wir verwenden Kosinusmuster zur Codierung jedes Monitorpixels und liefern so eine dichte Menge an Referenzpunkten für die Kamerapixel.
Unterstützt alle optischen Designs: Perspektivisch, Fisheye, Katadioptrisch, Telezentrisch und mehr
Quantifizierte Konsistenz, Zuverlässigkeit und Wiederholbarkeit: automatisches Entfernen von Ausreißern, Train/Test-Split, k-fache Kreuzvalidierung
Intelligente Modellauswahl: Das System wählt das optimale Kameramodell basierend auf aufgabenspezifischen Toleranzen und erkennt Über- oder Unteranpassung
Ein Vergleich zwischen traditioneller Schachbrettkalibrierung und unserem Kosinusmuster-Ansatz für hochwertige Industriekameras mit Zentraloptik.
Ein Vergleich zwischen dem OpenCV-Kalibrierungsmodell und unserer Free-Form-Pixelgenauen Sichtstrahl-LUT zeigt deutliche Leistungsverbesserungen für Weitwinkelkameras. Das folgende Beispiel verwendet eine Raspberry Pi Weitwinkelkamera.
Erweiterte Qualitätskontrolle
Datenqualität: visuelle Karten der Dekodierungsunsicherheiten
Modell-zu-Daten-Konsistenz:
RMS-Reprojektionsfehler (RPE)
RPE-Verteilungskarten
RMS-Fehler der Vorwärtsprojektion (FPE)
FPE-Verteilungskarten
Modellzuverlässigkeit: RPE/FPE gemessen an Testdaten
Modellwiederholbarkeit: Karten des erwarteten FPE — Unsicherheit des Sichtstrahls jedes Pixels in einer bestimmten Entfernung
Beispiel für den Reprojektionsfehler in jedem Kamerapixel.
Beispiel für den Vorwärts-Reprojektionsfehler jedes Kamerapixels in Abhängigkeit von der Entfernung.
Beispiel für den erwarteten Vorwärts-Reprojektionsfehler jedes Kamerapixels in Abhängigkeit von der Entfernung.