Звонок бесплатный по РФ

16.11.2026
4

Объектив 140 градусов в промышленных камерах: физика «рыбьего глаза» и применение для роботов

Почему камера не может просто так «видеть от уха до уха»

Честный разбор сверхширокоугольной оптики 140° на примере сенсора AR0234

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.

Реальность: любой объектив на 140° по горизонтали — это «рыбий глаз» (fisheye). Прямые стены, края конвейера и разметка на полу по краям кадра будут сильно загнуты в дугу.

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 подмодуль fisheye (модель Каннала–Брандта), так как стандартная функция cv2.undistort рассчитана 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°.

Похожие статьи
Написать отзыв
Внимание: HTML не поддерживается! Используйте обычный текст.
Service link