Формат матрицы у камер и пересчет ее размеров

При выборе камеры размер матрицы является важным параметром, поскольку чувствительность камеры напрямую зависит от размера пикселя на матрице. Однако, размеры сенсоров не соответствуют написанным цифрам, так 1-дюймовый сенсор действительно больше, чем 1/2-дюймовый сенсор, но его размеры не равны 1 дюйму, даже если замерить его диагональ.

 

Условные обозначения размеров матриц остались еще из тех времен, когда в камерах использовались электронные лампы. Так для матрицы диаметром 1″ вакуумная трубка устанавливалась в отклоняющую катушку диаметром 1″, поэтому датчик диаметром 1″ фактически был меньше дюйма. Соотношение между диаметром катушки и форматом изображения трубки составляло примерно 63%.

 

На таблице показаны некоторые матрицы распространенных форматов с указанием размеров сенсоров и их эквивалентных размеров в миллиметрах. Эти размеры могут варьироваться от матрицы к матрице. Для определения точных размеров матрицы стоит обратиться к документации на камеру либо на ее матрицу, если последняя серийно изготовляемая.  

 

В зависимости от размера матрицы очень важно подобрать для камеры подходящий объектив. Линейки объективов у многих производителей разделены по разрешающей способности объектива и размера матрицы камеры. В выборе объектива важно учитывать оба фактора, если разрешение камеры будет больше разрешения объектива — изображения будут смазанные.

 

Бюджетные объективы для камер видеонаблюдения рассчитаны на невысокие разрешения и малый размер матрицы. Они подходят лишь немногим камерам машинного зрения, имеющим размер матрицы до 1/3″. Для камер высокоскоростной съемки, с матрицами 1″ и более (1,1″, 4/3) они не подходят. 

 

От максимального размера сенсора для выбранного объектива будет зависеть увидит ли матрица камеры все поле зрения объектива или на краях изображения будут темные участки. Если матрица камеры будет больше (например 1″) допустимого размера у объектива (2/3″), то полученное изображение с камеры будет обрезано — оно будет круглым, как показано на изображении:

 

 

Если использовать объектив, рассчитанный на большую матрицу, чем установлена в вашей камере — вы можете выиграть в качестве получаемого изображения, так как оптические искажения объектива (дисторсия) проявляется ближе к краям изображения, а в центре изображение наилучшего качества. 

 

 

Также объективы имеют ряд других параметров, которые нужно учитывать при выборе (байонеты, переходники, фокусное расстояние, диафрагма, ИК и УФ коррекции и т.д.). Мы готовы оказать вам профессиональную консультацию в выборе оптики для вашей камеры — свяжитесь с нами.

 

Уличные камеры

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37 + XM330
Объектив фиксированный 3,6 мм

1 480.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37+XM330
Объектив фиксированный 2,8 мм.

1 660.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37+XM330
Объектив фиксированный 3,6 мм

1 730.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37+XM330
Объектив фиксированный 2,8 мм

1 930.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/2.8″ SONY 2.0MP IMX307
Объектив фиксированный 3,6 мм

2 910.00 р.

Разрешение 5MP 2560*1944P
Матрица 1/2.5″ 5.0MP K05+FH8538M
Объектив фиксированный 3,6 мм

3 040.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/2.8″ SONY 2.0MP IMX307
Объектив фиксированный 2,8 мм

3 110.00 р.

Разрешение 5MP 2560*1944P
Матрица 1/2.5″ 5.0MP K05+FH8538M
Объектив фиксированный 2,8 мм

3 240.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37+XM330
Объектив вариофокальный 2,7-13,5

3 610.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/3″ F37+XM330
Объектив вариофокальный 2,7-13,5

4 020.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/2.8″ SONY 2.0MP IMX307
Объектив вариофокальный 2,7-13,5

4 980.00 р.

Разрешение 5MP 2560*1944P
Матрица 1/2.5″ 5.0MP K05+FH8538M
Объектив вариофокальный 2,8-12

5 610.00 р.

Разрешение 2МР 1920*1080P
Матрица 1/2.8″ SONY 2.0MP IMX307
Объектив вариофокальный 5-50 мм

10 360.00 р.

заглянем в будущее? / Разработки / Новости фототехники

Дата публикации: 23.07.2019

Компания Sony опубликовала спецификации шести новых полнокадровых сенсоров изображения. Как всегда, это основные технические данные, ориентированные на потенциальных покупателей чипов. Но простым фотолюбителям они также будут интересны: фактически перед нами характеристики камер ближайшего будущего.

Давайте начнём с Sony IMX521CQR. Это новый новый 15-мегапиксельный сенсор с «учетверённой» (Quad) байеровской структурой. По сути это вариант 61-мегапиксельной матрицы Sony Alpha 7R IV, но с цветным фильтром Quad Bayer от Sony перед ним. Интересно в этом конкретном случае, Sony называет ее 15 МП матрицей вместо 61 МП. В смартфонах, например, мы видим диаметрально противоположный подход. Так сенсор смартфона IMX586 в Sony называют 48 МП Quad Bayer, хотя на выходе он даёт 12 МП. Уже сейчас очевидно, что упор в позиционировании нового сенсора будет сделан именно на малом разрешении. Ждём новую Alpha 7S?

Спецификация предполагает, что матрица может считываться как серия больших пикселей или с раздельным считыванием строк с разной экспозицией, чтобы обеспечить HDR-изображения. Это концептуально очень похоже на режимы SR и DR технологии Fujifilm Super CCD EXR. Возможно, Sony не предоставляет клиентам ноу-хау обработки сигнала с матрицы, которое она использует для восстановления изображения 61 МП. Поэтому чип описывается как предлагающий только 15 МП.

Ещё один интересный чип — это Sony IMX311AQK (48,97 МП). Это многослойная КМОП-матрица, в которой используется повёрнутый на 45 градусов массив пикселей.

Вероятно, логика заключается в том, что массив Байера очень хорошо фиксирует горизонтальные и вертикальные детали, но даёт «лесенку» при фотографировании наклонных линий. Поэтому поворот массива пикселей даст лучшее диагональное разрешение.

Sony также подробно описала спецификации для двух многослойных датчиков, которые используют более традиционную компоновку. IMX554DQC — 30,65 МП матрица, которая позволяет считывать более 36 кадров в секунду. Похоже, перед сенсор будущей топовой репортажной камеры — гипотетической Sony A9 II.

Сенсор IMX313AQK (48,96 МП) может снимать до 10 кадров в секунду в 16-битном режиме и 21 кадр в секунду с 14-битным считыванием.

IMX409BQJ — это 55,16 МП сенсор с обратной засветкой, обеспечивающий до 13,2 кадров/с. В нём не используется многослойная конструкция. Это самая «простая» из матриц будущего. Однако и её характеристики выглядят впечатляюще!

Последний — это IMX410CQX, 24-мегапиксельный сенсор с обратной засветкой (BSI). Он очень похож на матрицы, которые мы уже видели у камер Sony A7 III, Panasonic Lumix DC-S1, Nikon Z6 и Sigma fp.

Матрицы камер видеонаблюдения

В видеокамерах исторически использовалось два основных вида матриц – CCD (Charge-Coupled Device  — Прибор с Зарядовой Связью) и CMOS (Complementary-symmetry/Metal-Oxide Semiconductor  — комплементарная структура металл-оксид-полупроводник).

На сегодняшний день в камерах, в основном, используются матрицы CMOS.

Зачастую производители камер не раскрывают информацию об используемых матрицах. Иногда производитель матрицы для данной камеры известен, но, с учетом того, что данный производитель выпускает десятки различных матриц – остается неизвестным, какой тип матрицы установлен в данной камере. И даже если известно, что в двух данных камерах используются одинаковые матрицы, то все равно могут существовать различия в качественных характеристиках этих камер из-за разницы в настройке, кодировании и т.д. 

Разрешение матрицы

Матрицы различаются по поддерживаемому ими максимальному разрешению.

Есть матрицы с максимальным разрешением VGA, 1,3М, 2М, 3М, 5М и т.д.

 

Размеры матрицы

Матрицы  бывают различных размеров, в зависимости от устройства, в которое они устанавливаются. Например, в цифровом зеркальном фотоаппарате матрица существенно крупнее, чем в сотовом телефоне.

В камерах видеонаблюдения 95% матриц имеет размеры между 1/2” и 1/4”. Наиболее распространенные размеры матриц–  1/3”, 1/2,7″ и 1/2.8 «. За последние несколько лет средний размер матрицы постепенно увеличивался. По мере увеличения разрешений камер 3MP, 4MP, 5MP, 4K и т. д. все более распространенными становились размеры матрицы 1/3 «.

Наиболее важным последним изменением в технологии создания и внедрения матриц видеокамер является использование  матрицы 1/2 «для камер 1080p. Многие производители теперь имеют в линейке выпускаемых камер, по крайней мере, одну профессиональную модель с матрицей  около 1/2 » (1/1,8″, 1/1,9 «и т.д.), предназначенную для работы при очень низкой освещенности.

Размеры пикселя матрицы

Также, матрицы различаются  по размеру их пикселей, выраженному в микронах.

Размер пикселя зависит от размера матрицы и  количества пикселей в матрице, т.е. от разрешения. Чем больше размер матрицы, тем, при прочих равных условиях, больше размер пикселя. Однако, если добавить в матрицу больше пикселей при том же размере этой матрицы, то размер пикселя уменьшится, как показано в таблице. 

 

Размер матрицы	1/4 «	1/3 «	1/3 «	1/4 «	1/3 «	1/3 «	1/2,5 «
Разрешение	VGA	1,2MP	1,2MP	1,1MP	3,5MP	3,1MP	5MP
Размер пикселя	5,6 мкм	3,75 мкм	3,75 мкм	3,0 мкм	2,2 мкм	2,2 мкм	2,2 мкм

Многие предпочитают более крупные размеры пикселей, потому что, при прочих равных условиях, пиксель большего размера может аккумулировать больший световой поток и, следовательно, лучше воспроизводить слабо освещенные сцены. Однако есть и другие факторы, влияющие на низкую светоотдачу, поэтому нельзя утверждать, что одна камера лучше другой только на основе размера пикселя.

Кроме того, размер пикселей почти никогда не раскрывается производителями камер, поэтому лучше всего оценивать качество камеры по ее разрешению и размеру используемой матрицы.

 

Размер пикселя матрицы 4K

4K камеры становятся все более распространенными. Хотя они имеют в 4 раза больше пикселей, чем  2МР камеры, а размеры матрицы в таких камерах существенно больше, чем 1080Р – все равно, размер  пикселей в камерах 4К получается меньше, чем в камерах 1080p. Это плохо для обработки сцен с низкой освещенностью. Второй проблемой 4К камер, как будет объяснено ниже,  являются ограничения в скорости обработки изображения.

 

Размер матрицы и величина угла обзора камеры.

Размер матрицы не сильно влияет на угол обзора камеры.Первичное влияние оказывает размер линзы (3 мм, 10 мм, 30 мм и т. д.) Тем не менее, чем больше размер матрицы, при прочих равных условиях, тем больше угол обзора. С другой стороны, размеры матриц, используемых в камерах видеонаблюдения, отличаются не существенно.  Соответственно, для матрицы 1/2 » величина угла обзора камеры составит 86°, а для матрицы 1/3″ - величина угла обзора  составит 77°.

Матрица и кодеки

Матрицы не имеют ничего общего с сжатием видео (то есть H.264, MJPEG, и т.д.). Матрица, отправляет видео без сжатия в кодек для последующего кодирования.

 

Матрица и производительность при низкой освещенности.

Не совсем правильно утверждение, что матрица большего размера обеспечит лучшую передачу сцен с низкой освещенностью. Отчасти это так, но есть и другие, более сильно влияющие факторы, например, скорость обработки изображения с низкой освещенностью, которая выполняется кодеком и процессором камеры. Лучшее управление усилением камеры, устранение шумов изображения и другие процессы по обработке изображения в большей степени достигаются  увеличением производительности процессора, чем увеличением размера матрицы.  

Матрица цифровой камеры. Типы и размер матриц

Выбирая цифровую камеру для микроскопа или телескопа, часто обращают внимание лишь на разрешение матрицы, т.е. количество мегапикселей. Однако это не единственный важный параметр цифровой камеры, определяющий качество полученных фотоснимков и видеороликов. По каким же признакам следует выбирать цифровую камеру, и чем они могут отличаться одна от другой?

Главным элементом цифровой камеры является ее матрица, которая, собственно, и фиксирует изображение в цифровой камере. Отметим, что также в техническом описании цифровых камер часто употребляется и термин сенсор, обозначающий то же, что и матрица. Матрица состоит из массива светочувствительных ячеек, и именно от нее зависит качество изображения, полученного с помощью цифровой камеры.

Существует два основных типа матриц: CCD (ПЗС матрицы) и CMOS (КМОП матрицы), отличающиеся по применяемой технологии. И если на рынке фотоаппаратов наиболее распространены цифровые камеры с ПЗС матрицей, то большинство моделей цифровых камер для телескопов и микроскопов имеют именно КМОП матрицу.

Чем же отличается ПЗС матрица от КМОП матрицы? Основным их отличием является то, что в ПЗС матрицах информация из ячеек считывается последовательно, в то время как в КМОП матрицах информация считывается индивидуально из каждой отдельной ячейки. По этой причине в ПЗС матрицах Вы не можете сделать следующий снимок до тех пор, пока не будет целиком сформирован предыдущий. Что же касается КМОП матриц, то благодаря применяемой технологии их можно использовать не только для фотосъемки, но и для экспонометрии и работы автофокуса. Помимо этого, КМОП матрицы гораздо дешевле в производстве, и поэтому доступнее для многих пользователей. Еще одно немаловажное преимущество КМОП матриц над ПЗС матрицами – потребление меньшего количества энергии.

Первым делом при выборе цифровой камеры мы рекомендуем Вам обратить внимание на размер матрицы. Физическим размером матрицы называется ее геометрический размер, т.е. длина и ширина матрицы, выраженные в мм. Физический размер матрицы определяет ее качество. Узнать значение этого параметра можно из ее технического описания, хотя, как правило, размеры фотосенсоров производители указывают не в мм, а введя специальное обозначение типа матрицы в виде дробных частей дюйма, например: 1/4″, 1/3″, 1/2.5″, 1/2″ и пр. Сравнивая различные цифровые камеры, Вы должны понимать, что размер матрицы больше у той цифровой камеры, у которой знаменатель в указанной дроби будет меньше, т.е. сенсор 1/2″ будет больше сенсора 1/3″.

Какая же связь между физическим размером матрицы, указанным в мм и типом матрицы, выраженном в 1/дюйм? Отметим, что введенное обозначение типа матрицы выражает не размер ее диагонали, а внешний размер колбы передающей трубки. Обратите внимание на то, что не существует конкретной математической формулы, четко выражающей взаимосвязь между устоявшимся обозначением типа матрицы, выраженного в 1/дюйм, и самим физическим размером диагонали матрицы в мм. Тем не менее, в грубом приближении принято считать, что диагональ сенсора равна двум третям его типоразмера.

Размеры в мм	Тип матрицы
4.5х3.4	1/3.2″
5.4х4.0	1/2.7″
5.8×4.3	1/2.5″
6.2×4.6	1/2.3″
7.2×5.3	1/1.8″

Вполне целесообразно задать вопрос, а на что же влияет размер матрицы? Прежде всего, сколь иронично это бы не звучало, размер матрицы цифровой камеры влияет на ее стоимость и вес.

Помимо этого, как мы уже отмечали ранее, размер сенсора влияет на качество полученных фотоснимков и видеороликов. Во-первых, от размера сенсора зависит количество цифрового шума, который передается на светочувствительные элементы матрицы вместе с основным сигналом.

Из-за цифрового шума полученные снимки получают неестественный вид, в связи с чем возникает такое ощущение, что сверху на снимок наложена маска из точек различного цвета и яркости.

Причинами возникновения шумов могут быть дефекты в структуре сенсора, токи утечки (заряд может пробивать изоляцию и переходить с одного пикселя на другой), нагрева матрицы (так называемый тепловой шум, когда при повышении температуры на 6-8 градусов шум увеличивается в 2 раза) и пр.

Конечно же, нужно понимать, что абсолютно бессмысленно рассматривать показатель шума отдельно – важно соотношение сигнал / шум.

Итак, на количество шумов главным образом влияет физический размер матрицы, а также размер пикселя. Чем больше физический размер сенсора цифровой камеры, тем больше его площадь и, соответственно тем больше света попадает на него.  А, следовательно, полезный сигнал матрицы будет сильнее и, значит, мы получим лучшее соотношение сигнал / шум, что обеспечит более яркое и качественное изображение с более правильной и естественной цветопередачей.

Помимо этого, отметим, что слой изоляции, разделяющий пиксели друг от друга, будет толще для пикселей большого размера. Разумеется, что чем толще слой изоляции, тем меньше зарядов смогут пробить ее. Следовательно, токов утечки будет тоже меньше, что соответственно приведет и к уменьшению шумов.

В качестве примера предлагаем Вам представить матрицу определенного размера. Предположим, что на одной такой матрице 3000 пикселей (3 Мпикс), а на второй такой же матрице расположено 5000 (5 Мпикс). А теперь представьте толщину изоляции пикселей для первого и для второго случая!

Еще раз отметим, что чем меньше матрица, тем меньшее количество света на нее попадает. В таком случае Вы получаете слабый полезный сигнал, который приходится усиливать. А с усилением полезного сигнала естественно усиливаются и становятся более заметными шумы.

В заключение еще раз повторим, что чем больше физический размер матрицы, тем большее количество света на нее попадает, а значит, тем более качественно изображение Вы получите.

Автор статьи: Галина Цехмистро

Матрицы камер видеонаблюдения — CCD (ПЗС), CMOS (КМОП), принцип действия

Матрица во многом определяет такие характеристики камеры видеонаблюдения как разрешающая способность, светочувствительность, уровень шумов. По принципу действия можно выделить две основные технологии производства:

• CCD (ПЗС),
• CMOS (КМОП).

Основные их возможности и характеристики описаны в материале про устройство камеры видеонаблюдения, однако, для тех, кому интересна эта тема, здесь матрицы будут описаны несколько подробнее.

Общие сведения

Любая матрица состоит из массива светочувствительных элементов (пикселей), расположенных на полупроводниковой пластине.

Каждый из них формирует минимальный элемент изображения. Происходит это путем преобразования энергии светового потока в электрический заряд (не путать с током). Для различных типов дальнейшая обработка (считывание) сигнала определяется как раз технологией производства.

CCD (ПЗС) матрицы

Этот тип применяется для аналоговых камер видеонаблюдения. Принцип действия здесь заключается в последовательном сдвиге заряда по ячейкам и преобразование его в электрический ток (напряжение) уже вне кристалла (рис.1).

Таким образом, вся площадь элементарных площадок задействуется для обработки светового потока, как следствие — обеспечивается высокий уровень чувствительности. Отсутствие на полупроводнике активных элементов определяет также низкий уровень собственных шумов.

CMOS (КМОП) матрицы

Эта технология позволяет осуществлять преобразование заряда в электрический сигнал непосредственно на пикселе. Соответственно считывание производится сразу с нужного элемента, что позволяет практически сразу сформировать цифровой сигнал.

Таким образом, CMOS технологии идеально подходят для цифровых (ip) камер видеонаблюдения.

Однако, этот процесс требует размещения на каждом пикселе матрицы соответствующих электронных компонентов (транзисторы, конденсаторы, резисторы), что уменьшает полезную площадь, а соответственно — чувствительность (рис.2).

Стоит заметить, что последние разработки позволяют увеличить светочувствительную область от 30% (APS технологии) до 70% (ACS).

Естественно, все активные элементы повышают уровень собственных шумов.

Матрицы цветного изображения

Чтобы получить на выходе камеры цветное изображение нужно разложить световой поток на основные составляющие цвета, которых, как известно семь.

Однако, для обеспечения цветопередачи видеонаблюдение использует три — красный, зеленый, синий. При этом используются пиксели с соответствующими светофильтрами (рис.3).

Понятно, что формирование единичного размера изображения осуществляется тремя элементами матрицы, что приводит к уменьшению (при прочих равных условиях) их площади, а значит — общей чувствительности камеры видеонаблюдения.

ОСНОВНЫЕ ВЫВОДЫ

По большому счету, потребителю вполне достаточно характеристик камер видеонаблюдения, указанных их производителем, а сравнительный анализ параметров матриц различных типов является излишним. Но, тем не менее, конспективно изложу некоторые выводы, следующие из вышеприведенного материала.

Итак, при прочих равных условиях:

• чувствительность камер на базе ПЗС матриц выше чем КМОП, а монохромных лучше чем цветных,
• уровень собственных шумов CCD матрицы ниже нежели у CMOS,
• КМОП матрицы имеют меньшее энергопотребление, дешевле при производстве.

Однако, достоинство, касающееся цены обольщать не должно, поскольку стоимость матрицы составляет всего лишь часть от цены остальных компонентов камеры видеонаблюдения.

  *  *  *

© 2014-2021 г.г. Все права защищены.
Материалы сайта имеют ознакомительный характер и не могут использоваться в качестве руководящих и нормативных документов.

Detail | Fujifilm Россия

Матрица X-Trans CMOS II и процессор EXR II

Уникальная технология Fujifilm, разработанная для матрицы и процессора в сочетании с оптикой FUJINON XF дает качество картинки сравнимое с полнокадровым сенсором с моментальным откликом

Матрица X-Trans CMOS II

• Матрица APS-C
  23,6 x 15,6 мм
• Стандарт Micro Four Thirds
  17 x 13 мм
• 1 дюйм
  13,2 x 8,8 мм

Возможность запечатлеть каждый волосок.

Благодаря архитектуре матрицы X-Trans CMOS II, в которой используется оригинальный цветной фильтр FUJIFILM, а оптический фильтр низких частот (OLPF) отсутствует, конечные снимки, сделанные на камеру FUJIFILM X-E2, по детализации и четкости не уступают снимкам, созданным с помощью камер со значительно более крупными матрицами.

Обычная матрица

Регулярная структура матриц с регулярностью расположения элемента 2 х 2 пикселя.

Новая матрица

Отклонение от регулярности благодаря размеру зерна 6 x 6 пикселей.

Матрица X-Trans CMOS II отличается оригинальным цветовым фильтром с нерегулярной структурой расположения пикселей, что устраняет необходимость в использовании оптического низкочастотного фильтра. Эти фильтры используются в обычных системах для устранения муара, но значительно снижают детализацию. Матрица X-Trans CMOS II улавливает свет от объектива и запечатлевает изображение с беспрецедентно высокой детализацией благодаря отсутствию оптического низкочастотного фильтра.

Технология оптимизации модуляции света раскрывает весь потенциал объективов XF.

Инновационная технология оптимизации модуляции света (LMO), использованная в FUJIFILM X-E2, появилась в результате совместной разработки объектива, матрицы и процессора. Высокоточная обработка параметров фокусного расстояния и апертуры каждого устанавливаемого объектива и данных со всей площади кадра позволяет системе исправлять дифракционное смазывание при съемке с малым открытием диафрагмы и компенсировать небольшую размытость изображения на периферии объектива. В результате получается изображение высокого качества и удивительной контрастности, создающее ощущение пространственной реалистичности.

• * Требуется обновление прошивки объектива.

Интеллектуальная гибридная система автоматического фокусирования

Самая быстрая в мире автоматическая фокусировка за 0,08 секунды* среди камер с сенсором размера APS-C и больше, ставшая возможной благодаря пикселям фазовой детекции, встроенным в улучшенную матрицу.

Известен быстрый отклик встроенной в матрицу системы автофокуса с помощью фазовой детекции. Так же известна точная фокусировка при плохом освещении, ранее возможная только с контрастным автофокусом. В FUJIFILM X-E2 используются обе технологии. Кроме того, гибридный автофокус автоматически переключается на оптимальную систему фокусировки в зависимости от типа сцены и условий съемки. Новый алгоритм повышает точность автофокуса при съемке малоконтрастных объектов или при плохом освещении. Эволюционировавшая система автофокуса FUJIFILM X-E2 осуществляет фокусировку на объекте съемки настолько быстро, что вы никогда уже не упустите эти бесценные мгновенья.

Процессор EXR II — удвоенное быстродействие по сравнению с камерами предыдущего поколения.

Быстрый отклик, позволяющий красиво запечатлеть скоротечный момент.

Даже при высокоскоростной съемке быстрый автофокус FUJIFILM X-E2 точно следит за объектом.

Применение двухъядерного процессора и повышение вычислительных характеристик позволило повысить вдвое скорость обработки в сравнении с процессором предыдущего поколения**. Время готовности после включения также сократилось всего до прибл. 0,5 с***. Работая в тандеме с высокоскоростной матрицей X-Trans CMOS II, процессор сокращает интервал между кадрами до 0,5 с*4 и задержку срабатывания затвора до 0,05 с.

Высокоскоростная серийная съемка

Применение двухъядерного процессора и повышение производительности позволило вдвое повысить скорость обработки по сравнению с процессором предыдущего поколения**. Работая в тандеме с высокоскоростной матрицей X-Trans CMOS II, процессор повышает максимальную скорость серийной съемки до 7 кадров/с (не более около 28 кадров)*5 и позволяет осуществлять серийную съемку со следящим автофокусом на максимальной скорости 3 кадра/с.

Режим высокой производительности

Каждая мелочь в камере FUJIFILM X-E2 — от моментального автофокуса за 0,08 сек* до быстрого включения — призвана повысить вашу продуктивность. Кроме того, после выключения питания FUJIFILM X-E2 переходит в «спящий» режим (максимальная продолжительность — 24 минуты). Если в течение этого времени питание включается, камера FUJIFILM X-E2 «просыпается» мгновенно (примерно за 0,5 секунды вместо 0,92 секунды) — вы можете сразу же сделать снимок.

Переход из спящего режима (SLEEP) в активный режим (ON) за 0,5 сек.

После выключения питания FUJIFILM X-E2 переходит в «спящий» режим (максимальная продолжительность — 24 минуты). Если питание включается в течение этого времени, то камера «просыпается» мгновенно (примерно за 0,5 секунды вместо 0,92 секунды), а значит вы можете тут же приступить к съемке.

Примечания

• · Примеры снимков являются смоделированными изображениями.
• * Самая высокая скорость автофокуса среди цифровых камер, оборудованных матрицей на 4/3 дюйма и больше. По результатам исследований компании Fujifilm, проведенных в сентябре 2013 года в соответствии с требованиями стандарта CIPA с использованием камеры FUJIFILM X-E2 с объективом XF14 мм F2,8 R в режиме «High Performance».
• ** По сравнению с процессором EXR Pro.
• *** С объективом XF27 мм F2,8 в режиме «High Performance».
• *4 Режим MF.
• *5 Формат JPEG, стандарт тестирования Fujifilm: карта SD с установленным объективом XF35 мм F1,4 R.

 

Калибровка камеры

и оценка основной матрицы с помощью RANSAC

Проект 5: Калибровка камеры и оценка основной матрицы с помощью RANSAC
Структура из нескольких изображений. Рисунок Снавели и др. al.

Логистика

• Шаблон: Project5_CameraCalibration
• Часть 1: Вопросы
  • Вопросы + шаблон: Сейчас в репо: questions /
  • Ручной процесс: Gradescope в формате PDF. Отправляйте анонимные материалы пожалуйста!
• Часть 2: Код
  • Шаблон записи: В репо: запись /
  • Необходимые файлы: код /, запись / запись.pdf
  • Процесс подачи заявки: Gradescope в качестве репозитория GitHub. Представлять на рассмотрение анонимные материалы пожалуйста!

Обзор

Цель этого проекта — познакомить вас с геометрией камеры и сцены. Конкретно оценим камеру матрица проекции, которая сопоставляет координаты трехмерного мира с координатами изображения, а также фундаментальную матрицу, которая связывает точки в одной сцене с эпиполярными линиями в другой.Матрица проекции камеры и основная матрица каждый может быть оценен с использованием точечных соответствий. Оценить матрицу проекции — внутреннюю и внешнюю калибровка камеры — вход соответствует 3-й и 2-й точкам. Чтобы оценить фундаментальную матрицу, вход соответствует 2d точкам на двух изображениях. Вы начнете с оценки матрицы проекции и фундаментальная матрица для сцены с наземными истинными соответствиями. Затем вы перейдете к оценке фундаментальных матрица с использованием точечных соответствий из SIFT и RANSAC.

Помните эти сложные изображения епископального дворца Гауди из Проекта 2? Используя RANSAC, чтобы найти фундаментальной матрицы с наибольшим количеством инлир, мы можем отфильтровать ложные совпадения и достичь почти идеальной точки для сопоставление точек, как показано ниже:

Подробная информация и стартовый код

Этот проект состоит из трех частей:

1. Оценка проекционной матрицы,
2. Оценка фундаментальной матрицы и
3. Надежная оценка фундаментальной матрицы с помощью RANSAC на основе ненадежных совпадений SIFT.

Эти три задачи можно реализовать в student.py .

Часть I. Проекционная матрица камеры

Учитывая известные соответствия точек 3D и 2D, как мы можем восстановить матрицу проекции, которая преобразуется из мира 3D? координаты в координаты 2D-изображения? Напомним, что при использовании однородных координат уравнение движения из 3D мир в координаты 2D камеры:

$$ \ begin {pmatrix} u \\ v \\ 1 \ end {pmatrix} \ cong \ begin {pmatrix} su \\ sv \\ s \ end {pmatrix} = M \ begin {pmatrix} X \\ Y \\ Z \\ 1 \ end {pmatrix} = \ begin {pmatrix} m_ {11} & m_ {12} & m_ {13} & m_ {14} \\ м_ {21} и м_ {22} и м_ {23} и м_ {24} \\ m_ {31} & m_ {32} & m_ {33} & m_ {34} \ end {pmatrix} \ begin {pmatrix} X \\ Y \\ Z \\ 1 \ end {pmatrix} $$

Наша задача — найти М.Мы собираемся составить систему линейных уравнений, чтобы найти регрессию наименьших квадратов. решение для этих параметров матрицы камеры с учетом соответствия между точками трехмерного мира и точками двухмерного изображения. В класса, мы увидели два решения этой проблемы, которые требуют перестановки коэффициентов 3D и 2D точечное свидетельство:

$$ u = \ frac {m_ {11} X + m_ {12} Y + m_ {13} Z + m_ {14}} {m_ {31} X + m_ {32} Y + m_ {33} Z + m_ {34}} $$ $$ \ rightarrow (m_ {31} X + m_ {32} Y + m_ {33} Z + m_ {34}) u = m_ {11} X + m_ {12} Y + m_ {13} Z + m_ { 14} $$ $$ \ rightarrow 0 = m_ {11} X + m_ {12} Y + m_ {13} Z + m_ {14} — m_ {31} uX — m_ {32} uY — m_ {33} uZ — m_ {34 } u $$ $$ v = \ frac {m_ {21} X + m_ {22} Y + m_ {23} Z + m_ {24}} {m_ {31} X + m_ {32} Y + m_ {33} Z + m_ {34}} $$ $$ \ rightarrow (m_ {31} X + m_ {32} Y + m_ {33} Z + m_ {34}) v = m_ {21} X + m_ {22} Y + m_ {23} Z + m_ { 24} $$ $$ \ rightarrow 0 = m_ {21} X + m_ {22} Y + m_ {23} Z + m_ {24} — m_ {31} vX — m_ {32} vY — m_ {33} vZ — m_ {34 } v $$

С помощью этих перестановок мы можем настроить нашу линейную регрессию, чтобы найти элементы матрицы M.Однако в проективной геометрии матрица M определяется только до неизвестного масштаба. По сути, эти уравнения есть много разных возможных решений. В случае вырожденного решения M = все нули, что не очень помогает. в нашем контексте.

Мы рассмотрим два способа обойти это:

1. Мы можем исправить масштаб, установив последний элемент \ (m_ {34} \) в 1, а затем найти оставшиеся коэффициенты,
2. Мы можем использовать разложение по сингулярным числам для прямого решения задачи оптимизации с ограничениями, в которой масштаб установлен: $$ \ begin {align *} & \ min \ | Ax \ | \\ & s.т ~ \ | х \ | = 1 \ end {align *} $$

Восстановив вектор значений одним из этих методов, мы должны преобразовать его в предполагаемую камеру. проекционная матрица M.

Чтобы помочь вам проверить M, мы предоставляем оценочный код, который вычисляет общую «остаточную ошибку» между прогнозируемыми 2d расположение каждой трехмерной точки и фактическое расположение этой точки на 2-м изображении. Невязка — это евклидово расстояние в плоскости изображения (квадратный корень из суммы квадратов разностей u и v).Это должно быть очень small — порядка одного пикселя. Мы также предоставляем набор «нормализованных точек» в файлах. ./pts2d-norm-pic_a.txt и ./pts3d-norm.txt. Стартовый код загрузит эти 20 соответствующих нормализованных 2D и 3D-точки. Если вы решите для M, используя все точки, вы должны получить матрицу, которая является масштабированным эквивалентом следующая матрица:

$$ M _ {\ text {norm} A} = \ begin {pmatrix} -0,4583 & 0,2947 & 0,0139 & -0,0040 \\ 0,0509 и 0.0546 и 0,5410 и 0,0524 \\ -0,1090 & -0,1784 & 0,0443 & -0,5968 \ end {pmatrix} $$

Имея эту матрицу, мы можем проецировать трехмерные точки мира на плоскость нашей камеры. Например, эта матрица примет нормализованная трехмерная точка и спроецируйте его в 2D-изображение (после преобразования однородной 2D-точки к его неоднородной версии делением на s).

Как только у нас будет точная матрица проекции M, можно разделить ее на более знакомые и более полезная матрица K внутренних параметров и матрица [R | T] внешних параметров.{-1} m_4 $$

Если мы используем нормализованные трехмерные точки и M, указанные выше, мы получим центр камеры:

$$ C _ {\ text {norm} A} = $$

Мы также предоставили визуализацию, которая покажет примерное трехмерное расположение камеры относительно нормализованные координаты трехмерной точки.

Часть II: Оценка фундаментальной матрицы

Следующая часть этого проекта — оценить сопоставление точек на одном изображении с линиями на другом с помощью фундаментальная матрица.Это потребует от вас использования методов, аналогичных тем, которые описаны в части 1. Мы будем использовать соответствующие точки, перечисленные в pts2d-pic_a.txt и pts2d-pic_b.txt. Напомним, что определение фундаментальная матрица:

$$ \ begin {pmatrix} u ‘& v’ & 1 \ end {pmatrix} \ begin {pmatrix} f_ {11} & f_ {12} & f_ {13} \\ е_ {21} и е_ {22} и е_ {23} \\ е_ {31} и е_ {32} и е_ {33} \ end {pmatrix} \ begin {pmatrix} u \\ v \\ 1 \ end {pmatrix} = 0 $$

Фундаментальная матрица иногда определяется как транспонированная матрица выше с левым и правым изображением. точки поменяны местами.Обе являются действительными фундаментальными матрицами, но функции визуализации в стартовом коде предполагают, что вы используете форму выше.

Другой способ записать это матричное уравнение:

$$ \ begin {pmatrix} u ‘& v’ & 1 \ end {pmatrix} \ begin {pmatrix} f_ {11} u + f_ {12} v + f_ {13} \\ f_ {21} u + f_ {22} v + f_ {23} \\ f_ {31} u + f_ {32} v + f_ {33} \ end {pmatrix} = 0 $$

Это то же самое, что:

$$ \ begin {pmatrix} f_ {11} uu ‘+ f_ {12} vu’ + f_ {13} u ‘+ f_ {21} uv’ + f_ {22} vv ‘+ f_ {23} v’ + f_ {31} u + f_ {32} v + f_ {33} \ end {pmatrix} = 0 $$

Благодаря этому мы можем построить линейную систему для решения с помощью регрессии наименьших квадратов.Для каждой неизвестной переменной мы нужно одно уравнение, чтобы ограничить наше решение. Пара соответствующих точек даст одно уравнение для нашего система. Однако, как и в части I, эта матрица определяется только с точностью до масштаба, и вырожденное нулевое решение решает эти уравнения. Нам нужно исправить масштаб и решить, используя те же методы, что и в части 1. Это дает нам возможность решить систему с 8-балльными соответствиями (или более, поскольку мы восстанавливаем наилучшее соответствие наименьших квадратов для всех точек).

Оценка F по методу наименьших квадратов — это полный ранг; однако фундаментальная матрица — это матрица ранга 2. Таким образом, мы должен понизить свой ранг. Для этого мы можем разложить F с помощью сингулярного разложения на матрицы U ΣV ‘ = F. Затем мы можем оценить матрицу ранга 2, установив наименьшее сингулярное значение в Σ равным нулю, таким образом создавая Σ2. Тогда фундаментальная матрица легко вычисляется как F = U Σ2 V ‘. Мы можем проверить нашу фундаментальную матрицу оценка путем построения эпиполярных линий с использованием функции построения графика, предоставленной в стартовом коде.

Часть III: Фундаментальная матрица с RANSAC

Учитывая две фотографии сцены, маловероятно, что наша точка соответствия, с которой нужно выполнить регрессию для фундаментальной матрицы все было бы правильно. Наша следующая задача — использовать RANSAC для надежной оценки фундаментальная матрица из ненадежных точечных соответствий, вычисленных с помощью детектора характерных точек. Мы моделируем шум (потому что мы используем наземные точки истинности) двумя видами шумовых функций.

Сначала мы просим вас написать функцию позиционного шума. Это примет интервал и добавит некоторую ценность (выбираются равномерно случайным образом) из интервала, в основном нарушая координаты совпадений некоторыми количество. Это должно быть сделано только для некоторого процента точек, указанных в аргументах функции.

Другие наши функции вносят шум в совпадения, случайным образом меняя местами некоторое подмножество совпадений.Итак, если вы набрали 100 баллов и попросили добавить шум до 30%, затем 30 баллов следует перетасовать в списке. Обратите внимание, мы хотите переключить, какие точки на изображении A совпадают с другими точками на изображении B, а не поменять местами индексы указывает на себя.

В стартовом коде используются наземные совпадения (вместе с флагом для выполнения сопоставления характерных точек с помощью ORB). дескриптор) для пары изображений. По желанию, мы будем возмущать эти совпадения шумом, используя ваши функции, которые вы только что написал.Мы будем использовать эти возможные точечные соответствия и RANSAC, чтобы попытаться найти хорошую фундаментальную матрицу. Мы итеративно выберем случайный набор точечных соответствий (например, 8, 9 или какое-то небольшое количество точек), решите фундаментальную матрицу, используя функцию, которую вы написали для части II, а затем подсчитайте количество вставок. В этом контексте Inliers будут точечными соответствиями, которые «согласуются» с оцененной фундаментальной матрицей. К посчитайте, сколько инстеров имеет фундаментальная матрица, вам понадобится метрика расстояния, основанная на фундаментальной матрице. матрица.(Подсказка: для точечного соответствия (x ‘, x) какими свойствами обладает фундаментальная матрица?). Ты сможешь также необходимо выбрать порог между выпадающими и выпадающими значениями. Результаты будут очень чувствительны к этому порог, поэтому изучите диапазон значений, обеспечивающий баланс между разрешением и исключением. Мы также должны принять решение о критериях остановки для RANSAC, например, учитывая тысячи итераций RANSAC. После остановки вернуть фундаментальную матрицу с наибольшим количеством вставок.8 = 0,39% шанс при оценке фундаментальной матрицы выбрать 8 неверных соответствий случайным образом. Правильная фундаментальная матрица должно иметь больше выпадающих значений, чем выбросов, созданных из ложных совпадений, иначе проблема неразрешима.

Для некоторых реальных изображений оцениваемая фундаментальная матрица может означать невозможную связь между камеры, например, эпиполь в центре одного изображения, когда камеры на самом деле имеют большую параллельную трансляцию в плоскость изображения.Расчетная фундаментальная матрица также может быть неверной, потому что мировые точки копланарны, или потому, что камеры на самом деле не являются камерами-обскурами и имеют искажения объектива. Тем не менее, эти «неправильные» фундаментальные матрицы, как правило, удаляют неправильные совпадения характерных точек (и, к сожалению, многие правильные тоже).

Оценка и визуализация

Для части I мы предоставили ожидаемый результат (матрица M и центр камеры C). Это числовые оценки, поэтому мы не будем проверять точные числа, а только приблизительно правильные местоположения.

Что касается части II, вас будут оценивать на основе вашей оценки фундаментальной матрицы. Вы можете проверить, насколько хороши ваши оценка фундаментальной матрицы осуществляется путем рисования эпиполярные линии на одном изображении, которые соответствуют точке на другом изображении. Вы должны увидеть все эпиполярные линии, пересекающие соответствующую точку в другом изображение, например:

Мы предоставляем вам функцию в стартовом коде, которая рисует эпиполярную линию на изображении с учетом фундаментальных матрица и точка с другого изображения.

Часть III — самая открытая часть этого задания. Ваша цель должна состоять в том, чтобы продемонстрировать, что вы можете оценить фундаментальную матрицу для реальной пары изображений и использовать ее для отклонения ложных совпадений ключевых точек. Мы можем проверить фундаментальную матрицу, которую вы оцениваете, и вы должны визуализировать исправленное изображение в своей записи. Кроме того, мы требуем, чтобы вы реализовали функции шума и исследовали влияние шума на производительность RANSAC.

Мы не включаем оценку точности ключевых точек, используемую в проекте 2. У вас должно получиться почти идеальное точность (очень мало выбросов) среди ключевых точек, которые вы назначаете как выбросы.

Данные

Мы предоставляем 2D и 3D соответствия наземных точек для пары базовых изображений (pic_a.jpg и pic_b.jpg) и для трех использованных изображений.

Запрещенные функции

Вы должны сами построить матрицы для калибровки камеры и оценки F-матрицы, но вы можете использовать готовые линейные решатели.Вы также должны реализовать RANSAC самостоятельно. Вы также должны написать шум функционирует самостоятельно. Не стесняйтесь использовать функции numpy.

Примечания по нормализации координат

Ваша оценка фундаментальной матрицы может быть улучшена путем нормализации координат перед вычислением фундаментальная матрица. Рекомендуется выполнить нормализацию с помощью линейных преобразований, как описано ниже, чтобы среднее значение точек было равным нулю, а средняя величина — около 1.0 или другое маленькое число (квадрат также рекомендуется корень из 2).

$$ \ begin {pmatrix} u ‘\\ v’ \\ 1 \ end {pmatrix} = \ begin {pmatrix} s & 0 & 0 \\ 0 & s & 0 \\ 0 & 0 & 1 \ end {pmatrix} \ begin {pmatrix} 1 & 0 & -c_u \\ 0 & 1 & -c_v \\ 0 & 0 & 1 \ end {pmatrix} \ begin {pmatrix} u \\ v \\ 1 \ end {pmatrix} $$

Матрица преобразования T является произведением матриц масштаба и смещения. c_u и c_v — средние координаты.Чтобы вычислить шкалу s, вы можете оценить стандартное отклонение после вычитания средних значений. Тогда масштаб Фактор s будет обратной величиной любой оценки шкалы, которую вы используете. Или вы могли бы найти максимум абсолютная величина. Или вы можете масштабировать координаты так, чтобы средний квадрат расстояния от начала координат (после центрирование) равно 2. Вы можете использовать одну масштабную матрицу на основе статистики координат обоих изображений или вы можете сделать это для каждого изображения.{T} @ F_ {norm} @ T_ {a} $$

Это может быть реализовано в вашей функции Estimation_fundamental_matrix () , написанной для части II, но вы на самом деле не заметите разницы во второй части, потому что входные соответствия в значительной степени идеальны. В В части III (которая вызывает Estimation_fundamental_matrix () ) вы с большей вероятностью заметите улучшение. В качестве альтернативы вы можете реализовать масштабирование на основе распределения всех координат объектов, а не только горстка перешла в Estimation_fundamental_matrix () .В своей рецензии вы должны выделить один до и после случая, когда нормализация улучшила ваши результаты.

Запись

Опишите свой процесс и алгоритм, покажите свои результаты, опишите любые дополнительные баллы и сообщите нам любые другие информация, которую вы считаете актуальной. Мы предоставляем вам шаблон LaTeX writeup / writeup.tex . Пожалуйста скомпилируйте его в PDF и отправьте вместе со своим кодом.

Обязательно укажите следующие детали при написании вашего метода:

1. Ваша оценка проекционной матрицы и центра камеры.
2. Ваша оценка основной матрицы для пары базовых изображений (pic_a.jpg и pic_b.jpg).
3. Покажите нам соответствия (и исправленное изображение) с возрастающими уровнями шума обоих видов. Сравните, как Оценка RANSAC и vanilla выполняется на каждом уровне. Напишите, что думаете о том, насколько хорошо работает RANSAC.
4. Покажите нам, что произойдет, если вместо читерских совпадений будут использоваться функции ORB. Детализируйте свой выводы.

Мы проводим анонимную оценку TA, поэтому, пожалуйста, не указывайте свое имя или идентификатор в своей анкете или коде.

Рубрика

• +10 баллов: Правильная настройка системы уравнений регрессии наименьших квадратов для проекции матрица.
• +10 баллов: Правильное решение для матрицы проекции и правильное решение для центра камеры.
• +10 баллов: Правильная настройка фундаментальной матричной регрессии.
• +10 точек: Правильное решение для фундаментальной матрицы и создание хороших эпиполей на образцах изображений.
• +8 баллов: Правильная реализация шумовых функций.
• +27 баллов: Правильное объединение RANSAC с оценкой фундаментальной матрицы и генерация правильно исправленных изображений.
• +05 баллов: Запись.
• -05 * n баллов: где n — количество раз, когда вы не выполняете инструкции по сдаче.

Дополнительный кредит

Пожалуйста, укажите в своем письме, какой дополнительный кредит вы сделали, и подробно опишите его результат.

• до 3 точек: функция пользовательского шума.
• до 5 баллов: Улучшите код вашего проекта 2, используя методы этого проекта.
• до 10 баллов: используйте другую процедуру RANSAC (и сравните ее производительность с базовой RANSAC), например:
• до 10 баллов: обучение современному алгоритму обнаружения точек функции глубокого обучения или соответствию

Кредиты

Этот проект основан на проекте, предложенном Аароном Бобиком CS 4495 в GATech, и был расширен и под редакцией Генри Ху, Грэди Уильямса и Джеймса Хейса.Элеонора Турсман адаптировала код для Python с помощью Анна Сабель.

Platinum Matrix IR Bullet Network IP Camera 5MP

Технические характеристики

Камера Датчик изображения КМОП 1/3 дюйма с прогрессивной разверткой Мин. Подсветка 0,01 люкс @ (F1.2, AGC ON), 0,014 люкс @ (F1.4, AGC ON), 0 люкс с ИК-подсветкой Выдержка от 1/3 с до 1/10 000 с Линза 4 мм, угол обзора: 70 ° Крепление объектива M12 День и ночь ИК-фильтр с автоматическим переключением DNR 3Д DNR Широкий динамический диапазон DWDR Стандарт сжатия Сжатие видео H.264 / MJPEG /H.264 Почтовый индекс + H.264 Тип Основной профиль Скорость передачи видео 256 Кбит / с ~ 16 Мбит / с Двойные потоки Опора Изображение Макс. Разрешение 2560 × 1920 Частота кадров 60 Гц: 20 кадров в секунду (2560 × 1920), 30 кадров в секунду (2048×1536), 30 кадров в секунду (1920 × 1080), 30 кадров в секунду (1280 × 720) 50 Гц: 20 кадров в секунду (2560 × 1920), 25 кадров в секунду (2048×1536), 25 кадров в секунду (1920 × 1080), 25 кадров в секунду (1280 × 720) Дополнительный поток 60 Гц: 30 кадров в секунду (352 × 240, 640×480) 50 Гц: 25 кадров в секунду (352 × 288, 640×480) Прочие Насыщенность, Яркость, Контрастность, регулируемая клиентским программным обеспечением или веб-браузером, Зеркало, BLC, ROI, Двойной поток, Анти-мерцание, Маска конфиденциальности Сеть Сетевое хранилище NAS (поддержка NFS, SMB / CIFS), ANR Триггер сигнала тревоги Обнаружение движения, тревога несанкционированного доступа, обнаружение вторжения, обнаружение пересечения линии, жесткий диск заполнен, ошибка жесткого диска, сеть отключена, конфликт IP-адресов Протоколы TCP / IP, UDP, ICMP, HTTP, HTTPS, FTP, DHCP, DNS, DDNS, RTP, RTSP, RTCP, PPPoE, NTP, UPnP, SMTP, SNMP, IGMP, 802.1X, QoS, IPv6, Bonjour Общие Защита паролем, фильтрация IP-адресов, анонимный доступ, водяной знак Стандартный ONVIF (ПРОФИЛЬ S, ПРОФИЛЬ G), PSIA, CGI, ISAPI Интерфейс Интерфейс связи 1 порт Ethernet RJ45 10/100 Мбит / с Сброс Есть Общие Рабочая температура / влажность -22 ° F ~ 140 ° F (-30 ° C ~ 60 ° C) Влажность 95% или менее (без конденсации) Блок питания DC12V ± 10%, PoE (802.3af) Потребляемая мощность Макс. 7,5 Вт ИК-диапазон Прибл. 165 футов (50 метров) Рейтинги погодостойкости IP66 Размеры 11,8 × 3,4 × 3,35 дюйма (299,7 × 86,5 × 85,1 мм) Масса 2,7 фунта (1200 г)

Матрица 4: просочившиеся кадры BTS показали камеры RED и объективы Panavision — Y.М.Кинотеатр

«Матрица 4», режиссер Лана Вачовски, — это новый американский научно-фантастический боевик, ставший четвертой частью франшизы «Матрица». Редкие закулисные кадры показали, что камеры КРАСНЫХ (а не Sony Venice, как упоминалось на IMDB).

Согласно текущим техническим характеристикам IMDB, для съемки «Матрицы 4» используется камера Sony CineAlta Venice с кодеком Sony X-OCN ST (см. Снимок экрана ниже).

Матрица 4 в IMDB Tech Spec

. Однако при изучении видеозаписи BTS («За кулисами») мы ясно видим некоторые КРАСНЫЕ, возможно, камеры Rangers, работающие в паре с объективами Panavision. Посмотрите скриншоты ниже. Видео BTS находится внизу.

The Matrix 4 BTS: Снято на КРАСНЫЕ камеры The Matrix 4 Behind the Scenes и КРАСНАЯ камера

Как заявил Джарред Лэнд, президент RED Digital Cinema, некоторые Комодо используются для съемок фильма. Взгляните на картинку ниже, на которой Джарред изображен вместе с директором «Матрицы» Ланой Вачовски, которая держит в руках сделанную на заказ Комодо.

Джарред Лэнд, Лана Вачовски и Комодо. Предоставлено: Jarred Land Instagram

Для тех, кто живет в пещере и не знает, что такое Комодо, не стесняйтесь читать статьи в журнале Y.M.Cinema Magazine об этом «крутом маленьком КРАСНОМ». Мы с самого начала рассказывали об этой «доступной» новой экшн-камере RED, и мы продолжим сообщать и обновлять, когда появится какая-либо дополнительная информация.

RED Komodo

RED Komodo выделяется

1. Komodo уже снял художественный фильм (Let Them All Talk).
2. Разрешение 6К.
3. Размер сенсора Super 35 (не полнокадровый).
4. файлов R3D (кодек REDCODE RAW).
5. Новый датчик 6К.
6. Крепление объектива = Встроенный Canon RF.
7. Носитель записи = CFAST 2.0.
8. Управление камерой через встроенный ЖК-дисплей.
9. Нет совместимости с мониторами DSMC2.
10. Комодо можно управлять по беспроводной сети с любого смартфона.
11. Нет опции для беспроводной передачи видео на смартфонах (даже на Hydrogen).
12. Максимум 60 кадров в секунду.
13. Полный датчик 6k 40 кадров в секунду.
14. Режим глобального затвора
15. Анаморфные варианты.
16. Встроенный полноцветный сенсорный экран.
17. Размер: 4 х 4 дюйма.
18. Вес: 2 фунта.
19. Цена: ~ 4500 долларов.

Майкл Бэй и КРАСНЫЙ Комодо. Предоставлено: Jarred Land Instagram.

Производство фильма «Матрица 4» под кодовым названием «Project Ice Cream» началось 4 февраля 2020 года в Сан-Франциско. Съемки фильма также будут проходить в студии Babelsberg Studio в Германии и в Чикаго.Съемки в Сан-Франциско вызвали раздражение горожан и городских жителей после того, как был нанесен ущерб зданиям и уличным фонарям. Посмотрите просочившиеся кадры BTS ниже. Что касается используемых камер, мы будем держать вас в курсе, когда технические характеристики IMDB будут исправлены.

https://www.youtube.com/watch?v=1oPxWeqy9X0

Статьи по теме

The Matrix (1999) Технические характеристики »ShotOnWhat?

2D Художник / рото: Manex Visual Effects

Аниматор эффектов: Manex Visual Effects

Технический руководитель: Manex Visual Effects

Производитель цифровой линии: Manex Visual Effects

Редактор: Manex Visual Effects

Помощник по производству: Manex Visual Effects

Технический руководитель: Исследования и разработки, Bullet Time

Inferno Художник: Animal Logic

Художник-концептуалист: Manex Visual Effects

Поддержка систем: Manex Visual Effects

Помощник редактора визуальных эффектов

Ротоскоп Художник: DFilm Services

Visual Супервайзер по эффектам: Animal Logic

Inferno Художник: Animal Logic

CGI Ведущий аниматор: DFilm Services

Супервайзер цифрового композитного: DFilm Services

Matte Painting: Manex Visual Effects

Миниатюры и руководитель модели

Ведущий автор шейдеров: Manex Visual Effects

Исполнительный продюсер: DFilm Services

CGI Художник / колорист: Animal Logic

Аниматор персонажей: Manex Visual Effects

Координатор производства: DFilm Services

Руководитель по визуальным эффектам

Производитель цифровых эффектов: Manex Visual Effects

Руководитель компьютерной анимации: DFilm, Сидней

Предварительный аниматор: Австралия: Manex Visual Effects

Составитель: Manex Visual Effects

Художник 3D-текстур: Manex Visual Effects

Руководитель ввода-вывода: Animal Logic

Аниматор персонажей: Manex Visual Effects

Системный администратор: Manex Визуальные эффекты

Цифровой наборщик: DFilm Services

Руководитель цифровых эффектов: Manex Visual Effects

2D / 3D Paint: Manex Visual Effects

Inferno Художник: Animal Logic

Аниматор / модельер: Manex Visual Effects

Ведущий технический руководитель: Manex Visual Effects

Производитель визуальных эффектов: Manex Vi sual Effects

Составитель: Manex Visual Effects

Технический надзор: Manex Visual Effects

Технический руководитель: Manex Visual Effects

Технический руководитель: Manex Visual Effects

Цифровой композитор: DFilm Services

Редакционный руководитель: DFilm Services

Редактор : Manex Visual Effects

CGI Animator: DFilm Services

Производитель цифровых эффектов: DFilm Services

Координатор экранной графики

Руководитель анимации: DFilm Services

Технический руководитель: Manex Visual Effects

Помощник редактора визуальных эффектов

Inferno Artist: Animal Logic

CGI-дизайнер: Animal Logic

Помощник цифрового координатора: Manex Visual Effects

Композитор / художник: Manex Visual Effects

Digital Composite Supervisor: DFilm Services

CG Дизайнер / аниматор: Manex Visual Effects

Композитор: Man ex Visual Effects

Pre-viz Animator: Bullet Time

CGI Ведущий аниматор: DFilm Services

Создатель текстур: Manex Visual Effects

Аниматор персонажей: Bullet Time

Аниматор персонажей: Manex Visual Effects

Научный сотрудник: Manex Visual Эффекты

Ведущий специалист по цвету и освещению Td: Manex Visual Effects

Редактор: Manex Visual Effects

Помощник по производству: Австралия: Manex Visual Effects

Композитор: Manex Visual Effects

Составитель: Manex Visual Effects

Менеджер по технологиям: DFilm Services

Аниматор персонажей: Manex Visual Effects

Видеомагнитофон: Manex Visual Effects

Технический руководитель: Manex Visual Effects

Помощник супервайзера по визуальным эффектам: Manex Visual Effects

Президент и руководитель производства

CGI Animator: DFilm Services

Линейный продюсер: Manex Visual Effects

Editor Ассистент: DFilm Services

Поддержка систем: Manex Visual Effects

Руководитель по цифровым эффектам: DFilm Services

Технический руководитель: Manex Visual Effects

Поддержка систем: Manex Visual Effects

Аниматор / модельер: Manex Visual Effects

Технический руководитель: Manex Visual Effects

Помощник редактора визуальных эффектов

Технический руководитель: Manex Visual Effects

Системный менеджер: Manex Visual Effects

Технический консультант: Bullet Time

Аниматор / модельер: Manex Visual Effects

Ротоскоп Художник: DFilm Services

Разработка программного обеспечения: Manex Visual Effects

Визуальные эффекты: Pod Scene

Дизайнер и разработка Bullet Time

Производитель визуальных эффектов: Animal Logic

Координатор визуальных эффектов

Технический директор Bullet Time: Manex Visual Effects

Координатор визуальных эффектов

D Директор по производству: Amalgamated Pixels, Inc.

Помощник постпродакшена

Координатор визуальных эффектов

Помощник по производству визуальных эффектов

Младший руководитель визуальных эффектов

Продюсер торгов по визуальным эффектам: Mass Illusions / Manex Entertainment

Производитель визуальных эффектов: Подготовка к производству, НИОКР

Художник по цифровым эффектам : Amalgamated Pixels, Inc.

Руководство по визуальным эффектам: MVFX

Руководитель по сканированию и записи

Подготовка к производству визуальных эффектов Исследования и разработки

Резюме геометрии изображения | Урок

.

Давайте вспомним некоторые темы, которые мы рассмотрели в этой лекции.Мы начали с разговора об однородных координатах, о другом способе представления точек на двухмерной плоскости. Мы говорили о способах преобразования декартовых координат в однородные координаты и однородных координат обратно в декартовы координаты.

Математически линии и точки — это дуэли. Это приводит к очень хорошим способам вычисления точек пересечения на 2 линиях или на линии, образованной 2 точками. Мы обсудили другую модель перспективной проекции, называемую моделью центральной проекции, и ключевое отличие состоит в том, что плоскость изображения находится между объектом и исходной точкой и формирует изображение, которое не перевернуто.

Мы можем представить это как модификацию матрицы с использованием однородных координат мировой точки и точки на плоскости изображения. В реальной цифровой камере плоскость изображения представляет собой большой массив светочувствительных элементов, которые образуют пиксели результирующего изображения.

Нам нужно иметь дело с дискретной природой этой плоскости изображения, с тем фактом, что координаты измеряются в пикселях, а не в метрах. Также используется сдвиг начала координат вместо центра плоскости изображения, начало координат в пикселях находится в верхнем левом углу, и мы можем ввести это с помощью простого линейного преобразования.В конечном итоге мы объединяем вместе несколько матричных членов. Первые 2 мы называем внутренними параметрами камеры.
Они полностью описали камеру с точки зрения размеров ее пикселей, координаты главной точки и фокусного расстояния объектива. Это параметры самой камеры. Неважно, где находится камера или куда она направляет. Внутренние параметры не зависят от местоположения камеры.

Третья матрица в этой цепочке, которую мы называем внешними параметрами, описывала положение камеры, то есть ее положение и ориентацию относительно мировой системы координат.Мы можем объединить все эти матрицы в одну матрицу 3 на 4, которая кодирует всю эту информацию. Таким образом, проекция из мировой точки в точку плоскости изображения выполняется просто путем модификации матрицы, которая дает нам однородные координаты точки на плоскости изображения, и существует простое отображение между этими однородными координатами и координатами декартовой плоскости изображения, которые мы обычно обозначают буквами U и V.

Это представление масштабно инвариантно. Мы можем умножить матрицу камеры на произвольную ненулевую константу, и проекция останется неизменной.

Эта матрица часто записывается в нормализованной форме, где элемент C34 равен 1. Если точки лежат на плоскости в мире, то мы можем записать другое соотношение между координатой точки на плоскости и координатой точку на плоскости изображения, и для этого мы используем матрицу гомографии 3 на 3.

Матрица гомографии отображает точки с одной плоскости на другую. Мы можем вычислить матрицу гомографии, если знаем 4 набора соответствующих точек между двумя плоскостями.

Соответствие означает, что точка P и точка Q относятся к одной и той же точке, к одному и тому же объекту в мире.

Одно из применений омографий — вычислить исправление перспективы. Мы можем вычислить гомографию H, которая отображает точки из точки P на одном изображении в точку Q на другом изображении, и если мы правильно выберем H, мы можем отменить эффект перспективного искажения.