Часто при выборе промышленной камеры (например, на базе популярного сенсора AR0234) возникает желание поставить один сверхширокоугольный объектив с углом обзора 140° по горизонтали, чтобы одной камерой закрыть сразу всю рабочую зону. Однако законы физики и геометрии накладывают на такую оптику жесткие ограничения.
1. Физика против прямых линий: это всегда «рыбий глаз»
Сенсор AR0234 имеет прямоугольный формат 16:10 (размер 5.76 × 3.6 мм). Если мы берем объектив, который захватывает 140° по ширине, то по диагонали угол обзора улетает за 165°–175° — камера начинает видеть почти всё перед собой в полусфере.
Миф: «Можно купить 140° без искажений»
Оптики без дисторсии на такой угол для компактных сенсоров не существует в природе. Физически невозможно «развернуть» свет с 170° на плоскую матрицу так, чтобы прямые линии остались прямыми.
2. Откуда берутся черные углы или «круглый» кадр?
Линза проецирует на матрицу круглое световое пятно. В зависимости от того, как инженеры вписали прямоугольный сенсор в этот круг, возможны два варианта картинки:
- Прямоугольный кадр без черных углов (Full-Frame Fisheye). Световой круг полностью накрывает матрицу с запасом. Черных рамок нет, но всё, что находится не в центре кадра, сильно изогнуто.
- Кадр с черными углами (круглый обзор). Чтобы выжать максимальный угол по горизонтали на компактной линзе, диаметр светового пятна делают меньше диагонали матрицы. В результате левый и правый края заполнены картинкой, а по четырем углам остаются черные полукруглые области.
3. Почему «выпрямить» картинку программой — плохая идея для измерений
Многие рассчитывают взять сырой кадр с «рыбьего глаза» и просто выпрямить его программно (например, через OpenCV). Для точного машинного зрения у этого подхода есть два критических минуса:
| Параметр | Сырой кадр (Fisheye 140°) | После программного выпрямления |
|---|---|---|
| Реальный угол обзора | Полные 140° по горизонтали | Сильно меньше (края обрезаются) |
| Четкость по краям кадра | Высокая, но геометрия загнута | Падает в 2–3 раза («мыло» из-за растяжения пикселей) |
| Измерение размеров и OCR | Невозможно без сложной калибровки | По краям невозможно (не хватает разрешения) |
Когда такая линза действительно нужна и отлично работает?
Несмотря на сильные искажения, сверхширокоугольная оптика с «круглым» полем зрения незаменима там, где важен сам факт обнаружения препятствия, а не идеальная геометрия линий:
- Роботы-доставщики, AGV и складские тележки. Такой объектив дает роботу периферийное зрение «вокруг себя». Даже в «круглом» кадре алгоритмы навигации и нейросети отлично видят бордюры, ноги пешеходов, углы стеллажей и внезапные препятствия вплотную к корпусу.
- Обзорный контроль слепых зон. Когда оператору или системе безопасности нужно одной камерой контролировать большую зону вокруг станка или транспорта без мертвых зон.
Резюме: если вам нужно измерять детали или читать коды по всей ширине кадра — выбирайте оптику с меньшим углом (до 80°–90°) или ставьте две камеры. Если же у вас мобильный робот и ему нужно видеть всё вокруг, чтобы ни во что не врезаться — фишай на 140° станет лучшим и самым бюджетным решением.
4. Как это исправляется программно: библиотеки и пример кода
Программное исправление искажений «рыбьего глаза» (андисторшен) выполняется с помощью математической модели камеры, которая «разворачивает» загнутые лучи света обратно в плоскую проекцию.
Какие библиотеки применяются в индустрии:
- OpenCV (модуль
cv2.fisheye) — главный стандарт на C++ и Python. Важно использовать именно подмодульfisheye(модель Каннала–Брандта), так как стандартная функцияcv2.undistortрассчитана на обычные объективы и на углах 140°+ работает некорректно. - ROS / ROS 2 (
image_proc/camera_calibration) — стандарт для роботов-доставщиков и AGV. Позволяет делать калибровку и выпрямление потока «на лету» в виде готового узла. - NVIDIA VPI / CUDA (
vpi.fisheye) — аппаратное ускорение на встраиваемых компьютерах (например, NVIDIA Jetson), чтобы не нагружать центральный процессор при обработке видео в реальном времени.
Как это работает на практике (2 этапа):
- 1. Калибровка (делается один раз). Перед камерой под разными углами снимают калибровочный шаблон (шахматную доску с известным размером клетки). Программа находит углы клеток, вычисляет фокусное расстояние, оптический центр (
K) и 4 коэффициента радиальной дисторсии (D). - 2. Выпрямление кадра в реальном времени (Remapping). Чтобы не пересчитывать сложную тригонометрию для каждого кадра, один раз генерируется карта смещения пикселей (
map1,map2). Далее каждый новый кадр с камеры AR0234 перестраивается за миллисекунды простой подстановкой пикселей.
Пример кода на Python (OpenCV) для камеры AR0234:
import cv2
import numpy as np
# 1. Разрешение сенсора AR0234
DIM = (1920, 1200)
# 2. Параметры, полученные после калибровки по шахматной доске
# Матрица камеры K (фокусные расстояния fx, fy и центр матрицы cx, cy)
K = np.array([
[680.5, 0.0, 960.0],
[ 0.0, 680.5, 600.0],
[ 0.0, 0.0, 1.0]
], dtype=np.float64)
# Коэффициенты дисторсии fisheye (k1, k2, k3, k4)
D = np.array([[-0.045], [0.012], [-0.004], [0.001]], dtype=np.float64)
# 3. Расчет новой матрицы проекции
# balance=0.0 — обрезает черные края (теряем часть угла, но кадр без рамок)
# balance=1.0 — сохраняет все пиксели (остаются черные «уши» по краям)
new_K = cv2.fisheye.estimateNewCameraMatrixForUndistortRectify(
K, D, DIM, np.eye(3), balance=0.3
)
# 4. Предварительный расчет карты переназначения пикселей (1 раз при старте)
map1, map2 = cv2.fisheye.initUndistortRectifyMap(
K, D, np.eye(3), new_K, DIM, cv2.CV_16SC2
)
# 5. Основной цикл обработки видеопотока с камеры
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, DIM[0])
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, DIM[1])
while True:
ret, frame = cap.read()
if not ret:
break
# Мгновенное выпрямление кадра по готовой карте
undistorted_frame = cv2.remap(
frame, map1, map2,
interpolation=cv2.INTER_LINEAR,
borderMode=cv2.BORDER_CONSTANT
)
cv2.imshow("AR0234 Undistorted", undistorted_frame)
if cv2.waitKey(1) & 0xFF == 27:
break
cap.release()
cv2.destroyAllWindows()
Важный нюанс для робототехники
В роботах-доставщиках и системах SLAM часто вообще не выпрямляют картинку целиком. Вместо этого нейросеть или алгоритм навигации работает прямо по сырому «круглому» кадру, а математическую модель дисторсии (K и D) применяют только к координатам уже найденного препятствия — это экономит ресурсы процессора и сохраняет полный обзор на все 140°.