简介
在当今世界，我们越来越依赖自动化和机器人技术来提高效率、安全性和性能，因此机器视觉 Camera 系统比以往任何时候都更加普遍。这些系统使机器能够感知和分析周围环境，利用复杂的 Camera、传感器和处理系统检测和解释视野范围内的物体来完成任务。
机器视觉系统对于许多应用至关重要，包括制造、机器人、物流、自动驾驶和虚拟现实。由于它们对我们不断发展的社会至关重要，因此这些机器视觉系统在开发过程中必须经过全面测试，以确保高性能和安全。
机器视觉 Camera 的作用是什么？
从本质上讲，它们捕捉和处理视觉数据以执行特定任务。与传统 Camera 系统（例如，数码单反 Camera 或手机 Camera）不同，传统 Camera 系统优先考虑对人眼具有吸引力的图像质量，而机器视觉系统则专为需要高精度的任务而定制。因此，它们的设计强调图像质量属性，例如信噪比、高动态范围和几何 Distortion，使它们即使在恶劣环境中也能做出准确决策。
机器视觉用例 - ADAS
机器视觉 Camera 系统在恶劣环境中运行的典型用例是车辆 ADAS（高级驾驶辅助系统）中的系统。这些系统必须在从阳光直射到浓雾的多种环境中准确检测物体和距离，并在必要时进行精确和安全的调整。这个特殊的用例关系到生命安危，因此，在开发过程中必须严格测试，以确保最高水平的图像质量、性能和安全。
图像质量性能为何在机器视觉中如此重要
与消费摄影不同，消费摄影中主观偏好有助于确定图像质量性能，而机器视觉图像质量则直接与物体检测、分类或测量等任务的准确性相关。机器视觉中图像质量差可能导致误报、漏检和低效的工作流程（通常会导致上述 ADAS 用例场景中的灾难性后果）。因此，图像质量性能测试对于保证真实操作环境中的可靠性至关重要。
图像质量测试可确保 Camera 在各种条件下（包括 Lighting、运动伪影和 Color 变化）进行校准和优化，以实现高性能。多个因素至关重要，所有这些都必须在开发过程中进行测试。
EMVA 1288 和 ISO 24942
EMVA（欧洲机器视觉协会）多年来一直建立并维护 EMVA 1288 国际标准。该标准定义了评估机器视觉 Camera 系统性能的关键 KPI 和测试方法。我们的几位工程师，包括首席技术官 Uwe Artmann，多年来积极为该标准的制定和维护做出了贡献。
2024 年，我们的首席执行官 Dietmar Wueller 被提名为 ISO/TC 42/WG 28 的负责人，负责将 EMVA 1288 标准改编为 ISO (24942) 标准。
EMVA 1288 中概述的关键图像质量因素
根据 EMVA 1288，评估机器视觉 Camera 图像质量时，以下因素至关重要。
Sensitivity
Camera Sensitivity 描述了系统在与特定光照水平相互作用时的 Sensitivity。了解 Camera 对不同光照水平的反应对其整体质量至关重要，特别是对于根据其场景解释进行安全调整的 Camera。
Noise
时间 Noise 指的是同一 pixel 值在不同图像之间波动。这种波动通常是随机的，是由单个 pixel 生成数字值时的变化引起的。Noise 会影响机器视觉系统检测和识别小物体以及模糊信号的能力。信噪比越差，图像中的 Noise 就越多，图像信号受 Noise 的影响就越大。
Linearity
Linearity 描述了 Camera 传感器接收的光信号与信号输出之间的关系。当试图正确再现场景时，这种关系至关重要。机器视觉 Camera 通常接收大量光信号，并且必须能够产生正确的输出。
Dark Current
Dark Current 指的是 Camera 系统图像传感器内出现的小电流。这些 Dark Current 通常是输出信号中主要 Noise 源之一。机器视觉系统正在以最高水平运行，它们必须考虑这些 Dark Current 并对 Noise 进行调整。
Spatial nonuniformity
Spatial nonuniformity 描述了由于暗信号或传感器 Sensitivity 导致的 pixel 到 pixel 偏差。了解这些不均匀性将提供空间变化的概述，并允许您检测有缺陷的 pixel 或 pixel 组。有缺陷的 pixel 会改变机器视觉 Camera 用于进行调整的信号。
根据 EMVA 1288 的测试方法
EMVA 1288 标准概述了分析上述因素的表征方法。所有这些方法都需要先进的测试设备才能获得最佳结果。我们在 iQ-Lab 中使用的解决方案是 AEON Camera Calibrator。
AEON Camera Calibrator (ACC)
我们最近与 AEON 合作分销和销售其 Camera Calibrator。ACC 是一种模块化光学系统，旨在根据 EMVA（欧洲机器视觉协会）1288 标准中概述的测量参数测试机器视觉 Camera。
参数包括 Linearity、Noise、Sensitivity、Spatial nonuniformities 和 Dark Current。这些测量可以得出结果，包括绝对增益因子 K、Sensitivity 阈值和饱和容量、最大信噪比、暗 Noise、Dynamic range 和非线性。
ACC 提供两种尺寸，一种用于标准传感器，另一种可处理对角线长达 80 毫米的传感器。两种配置都是模块化的交钥匙系统，具有可调 LED 光源和全面的评估软件。
其他需要考虑的因素
除了 EMVA 1288 中概述的 KPI 之外，在执行机器视觉测量时还需要考虑许多其他图像质量因素。例如，汽车系统必须针对 Distortion 干扰进行调整。以下是这些其他关键因素的概述。
Resolution
图像 Resolution 是 Camera 再现场景细节的能力，或它在场景中可以检测到的 pixel 数量。更高的 Resolution 提供更大的细节，并提高检测场景中微小缺陷或特征的准确性。Resolution 对于依赖物体检测和分离的机器视觉 Camera 至关重要。如果没有高 Resolution，Camera 可能会误判物体或完全漏检它们。
我们建议遵循 ISO 12233 并使用西门子星图或斜边 Test Charts 进行准确的 Resolution 测量。TE296 是基于 ISO 标准的最新斜边 Test Chart。
Dynamic range
Dynamic range 指的是 Camera 捕捉场景中明暗区域对比度和细节的能力。了解机器视觉系统仍能以可接受的水平检测物体和细节的低光和高光阈值对于进行必要的调整至关重要。
建议使用 ISO 14524 中概述的 OECF 和其他灰度 Test Charts 进行精确的 Dynamic range 测量。我们通常使用 TE297 和 TE269。
Signal-to-noise ratio (SNR)
Signal-to-noise ratio 衡量信号或有意义信息相对于场景中不需要或干扰性伪影（Noise）的数量。机器视觉系统通常即使在比传统 Camera 系统可接受的 Noise 水平更高的情况下也能检测和区分物体。但是，必须在各种 Lighting 条件下测试此 Noise 阈值，以确定多少 Noise 足以使系统正常运行。
建议使用 ISO 15739 中概述的灰度 Test Charts 进行 Noise 测量。这些 Test Charts 通常可用于 Dynamic range 和 Noise，包括 TE269 和 TE270X。
Color accuracy
Color accuracy 指的是 Camera 正确感知和再现颜色的能力。传统 Camera 必须能够生成与人眼匹配的颜色。机器视觉 Camera 不必如此精确；但是，特别是在 ADAS 的情况下，准确检测和处理颜色对于这些系统进行实际评估和调整的功能至关重要。
我们建议使用 Color checker Test Charts 进行基本的 Color accuracy 测量。我们提供基本的 ColorChecker Test Charts，例如 TE188 和 TE230。
Distortion
图像 Distortion 发生在图像的直线显得变形或不自然弯曲时。有三种类型的镜头 Distortion：桶形 Distortion、枕形 Distortion 和波形 Distortion（也称为胡须形 Distortion）。Distortion 会导致几何不准确，并使机器视觉 Camera 难以测量距离和物体大小。
Distortion 可以使用棋盘格 Test Charts (TE251) 进行测量。但是，我们还推出了 GEOCAL，它结合了扩束激光和衍射光学元件 (DOE) 来生成从无穷远处发出的光点网格，以评估 Distortion 性能（更多信息如下）。
Shading
Shading 指的是图像亮度从中心到角落的降低。当光线在图像场景的角落衰减时，机器视觉系统可能无法看到特定物体，或者错误地识别场景边缘的 Color，从而导致对环境的错误解释。
我们通常建议使用平场 Test Charts 来测试 Shading 性能。我们使用的 Test Chart 是 TE255 漫射板与 LE7 均匀光源箱结合使用。
先进机器视觉测试设备
GEOCAL
如前所述，GEOCAL 设备提供先进的几何校准选项。该设备结合了扩束激光和激光二极管，以生成从无穷远处发出的光点网格。GEOCAL 提供了一种紧凑的解决方案，用于测量 Distortion、焦距和主点，而不是使用需要大量空间的中继镜头和多个 Test Charts。
广角 Camera 可以校准，并且可以使用 GEOCAL 和 OpenCV 的组合消除 Distortion。几何校准后，Camera 系统可以更具体地测量距离并检测场景中的物体。校准后的系统还将更好地补偿高 Distortion 水平（特别是对于广角视野 Camera）并准确对齐立体 Camera 对。
通用 Lighting 系统 (VLS)
通用 Lighting 系统 (VLS) 为多种机器视觉测量提供解决方案，包括高 Dynamic range 测量。该解决方案由 Vega 光源组成，该光源使用 DC 技术创建具有 Flicker 生成能力的高稳定性光源。使用 VLS，您可以测试具有极短曝光时间的 Camera，以获得高 Dynamic range 和 Flicker 响应，这对于了解机器视觉性能（特别是汽车级 Camera）至关重要。
VLS 针对与 ADAS 相关的机器视觉应用进行了优化，包括对比度传输精度 (CTA)、调制光缓解概率 (MMP) 和对比度信噪比 (CSNR)。这些 KPI 在 IEEE-P2020 汽车图像质量性能标准中概述。此外，VLS 可以按照标准中描述执行空间和时间记录测量。
Test Chart Illumination
如前所述，Test Charts 可以评估大多数关键图像质量因素。在使用 Test Charts 时，确保适当的 Illumination 至关重要，特别是在分析从低光到高光的频谱时。可光谱调谐的光源，能够生成自定义光谱，是测试实验室最有效的选择。我们的 iQ-LED 光源使用 iQ-LED 技术创建您满足所需测试要求的自定义光谱。
对于反射式 Test Charts（例如斜边），我们推荐使用 iQ-Flatlights。对于透明 Test Charts（例如灰度目标），我们建议使用 LE7 等均匀光源箱。LE7 还具有近红外 (NIR) 测试功能。我们甚至提供用于生产线集成的积分球，例如 CAL1 和 CAL2，以便您可以提高生产线上 Camera 校准的效率。
最后，我们的许多 Test Charts 都与 iQ-Analyzer-X 评估软件兼容。该软件是市场上最先进的软件之一，并使用 AI 检测来快速检测被测 Test Chart 并评估结果。我们提供免费软件版本，以便您可以立即开始评估。
结论
随着机器视觉技术的发展，对图像质量测试的要求也随之提高。自动驾驶和先进机器人技术只是将继续进步并需要适应测试方法的少数领域。理解机器视觉 Camera 测试的挑战并确保高图像质量性能将仍然是技术成功的基石。
通过将使用 Test Charts 的传统测试与 AEON Camera Calibrator 等更先进的解决方案相结合，制造商可以证明他们的 Camera 始终满足现代应用的严格要求，并确保高效率、高性能和人身安全始终走在创新的前沿。