快门类型

OAK 相机同时支持卷帘快门和全局快门相机传感器。以下是两者区别的广泛概述：

卷帘快门 - 图像通过从上到下逐行扫描的方式捕捉。这意味着图像并非一次性全部捕捉，而是一行一行地捕捉。当相机或物体移动时，这可能导致图像出现变形（果冻效应）。卷帘快门传感器可以在不显著增加成本的情况下实现更高分辨率。
全局快门 - 图像一次性全部捕捉。这意味着整幅图像在同一时刻被捕捉，从而消除了果冻效应。全局快门传感器在更高分辨率（超过 1MP）时通常要昂贵得多，因此我们当前支持的最大全局快门传感器为 2.3MP（AR0234）。

卷帘快门

适用于需要更高分辨率且相机或物体移动速度不快的应用场景。在下图中，绿色标记的时间段表示每一行图像的曝光时间，蓝色标记表示每一行图像的读出时间。每一行图像的曝光和读出相对于上一行图像略有偏移。这会导致整个曝光期间由于物体运动而产生的畸变。

每一新行开始曝光的时间差（“行时间”）取决于传感器、MIPI 通道及配置、MIPI 速度和原始位深度（每像素 8/10/12 位）。通常，我们可以估算为 行时间 = 1 / (最大帧率 * 行数)。因此对于 IMX378 @ 1080P，行时间为 1/(60 * 1080) = 15.4微秒。下面的动画展示了在捕捉运动物体时使用卷帘快门的缺点。

估算果冻效应

果冻效应是当相机或物体移动时图像出现的畸变。它是由每一新行开始曝光的时间差引起的。果冻效应取决于：

物体的速度
物体大小
使用的分辨率

让我们以视场角（FOV）的百分比来测量速度/高度。您可以使用 fov.luxonis.com 来估算速度/高度。假设我们用 OAK-1（IMX378，普通 FOV）测量一个高度为 50 厘米的盒子。盒子以 1 米/秒的水平速度移动，相机距离物体 2 米。这意味着总覆盖面积（AoC）长度为 2.75 米——因此物体以每秒 36.4% FOV 的速度移动，高度占 FOV 的 18%。

Python

1obj_speed = 0.364  # [fov%/sec] 物体速度
2obj_height = 0.1  # [%] 物体在FOV中的高度
3width_pix, height_pix = 1920, 1080  # [pix] 1080P分辨率
4row_time = 1 / (60 * height_pix) # 15.4微秒
5
6obj_speed_pix = obj_speed * width_pix # 1920 像素/秒 移动
7shift_per_row = obj_speed_pix * row_time # 0.0148[像素/行] 偏移
8
9# 行数，占FOV的10% => 108行 * 偏移
10total_shift = obj_height * height_pix * shift_per_row
11print('物体偏移:', total_shift, '像素') # -> 物体偏移: 1.16 像素
12print('相对物体偏移', total_shift / width_pix * 100, '%') # -> 0.06 %
13
14width_pix, height_pix = 3840, 2160  # [pix] 4K分辨率
15obj_speed_pix = obj_speed * width_pix
16row_time = 1 / (30 * height_pix) # 15.4微秒，与1080P相同
17shift_per_row = obj_speed_pix * row_time
18total_shift = obj_height * height_pix * shift_per_row
19print('物体偏移:', total_shift, '像素') # -> 物体偏移: 4.66 像素
20# 相对物体偏移
21print(total_shift / width_pix * 100, '%') # -> 0.12%

1.16 像素的偏移是否很大？这取决于应用场景。对于大多数应用来说不算大，但在某些应用中可能会成为问题。

全局快门

适用于相机或物体快速移动的应用场景，以及用于双目相机对，因为果冻效应可能导致视差匹配出现问题。仍然可能存在一些在下图中，绿色标记的时间段表示每一行图像的曝光时间，蓝色标记表示每一行图像的读出时间。每一行图像的曝光同时开始和同时结束，而读出对于每一行图像略有偏移。然而，图像行的读出时间偏移不会影响所捕捉图像的质量。

使用全局快门时，所有像素同时曝光，这与卷帘快门不同。它允许在物体相对快速移动时获得更好的图像质量。动画展示了图像的所有行是如何同时被捕捉的。

本页目录

快门类型

卷帘快门

估算果冻效应

全局快门