双目相机底座

//模型一 单个相机底座大小 

module cam_1(xl,yl,zl,xd,yd,zd,jd){

translate([sin(0),cos(90),0])rotate([xd,yd,zd]) cube([xl,yl,zl],center=true);

    //挡板最外侧  179/2 半个基线  4/2 自身厚度
     translate([179/2+4/2,cos(90),14/2-2])rotate([xd,yd,zd]) cube([4,50,14],center=true);
     translate([-(179/2+4/2),cos(90),14/2-2])rotate([xd,yd,zd]) cube([4,50,14],center=true);
    // 挡板最内侧
     translate([(179/2-29-2),cos(90),14/2-2])rotate([xd,yd,zd]) cube([4,50,14],center=true);
     translate([-(179/2-29-2),cos(90),14/2-2])rotate([xd,yd,zd]) cube([4,50,14],center=true);

    }

//cam_1(179,50,4,0,0,0,0); 

  //模型二 开孔 三个
 module cam_kong(){
  //圆孔  7mm
    //右侧孔
    translate([75,10,0])rotate([0,0,0])cylinder(8,r=7/2,center=true, $fn=160 );
    //左侧孔
    translate([-75,10,0])rotate([0,0,0])cylinder(8,r=7/2,center=true, $fn=160 );
    //中间孔
    translate([0,0,0])rotate([0,0,0])cylinder(10,r=7/2,center=true, $fn=160 );
   }

   //模型三 成品1
 module cam_chengpin1(){
  difference(){
   cam_1(179,50,4,0,0,0,0);
   cam_kong();
    }
}

cam_chengpin1();
// 相机1
translate([75,10,29])cube([29,30,29],center=true);
//相机2
translate([-75,10,29])cube([29,30,29],center=true);

  

原文地址:https://www.cnblogs.com/kekeoutlook/p/9205026.html

时间: 2024-11-03 12:21:42

双目相机底座的相关文章

双目相机标定以及立体测距原理及OpenCV实现

作者:dcrmg 单目相机标定的目标是获取相机的内参和外参,内参(1/dx,1/dy,Cx,Cy,f)表征了相机的内部结构参数,外参是相机的旋转矩阵R和平移向量t.内参中dx和dy是相机单个感光单元芯片的长度和宽度,是一个物理尺寸,有时候会有dx=dy,这时候感光单元是一个正方形.Cx和Cy分别代表相机感光芯片的中心点在x和y方向上可能存在的偏移,因为芯片在安装到相机模组上的时候,由于制造精度和组装工艺的影响,很难做到中心完全重合.f代表相机的焦距. 双目标定的第一步需要分别获取左右相机的内外参

基于USB3.0的双目相机测试小结之CC1605配合CS5642 双目 500w摄像头

基于USB3.0的双目相机测试小结之CC1605配合CS5642  双目 500w摄像头 CC1605双目相机评估板可以配合使用柴草电子绝大多数摄像头应用 如:OV5640.OV5642.MT9P031.MT9V034.MT9M001.MT9F002等等 本次测试以CS5642V3摄像头为例,sensor为OV5642 测试分辨率为 1280*720:720p 1280*1024:SXGA 1920*1080:1080p 2048*1024 2048*1536:3M 测试帧率:15fps 一.U

双目相机之MATLAB标定(stereo_gui)

这段时间在做双目相机的标定,从MATLAB帮助文档中找到了有关双目相机的标定方法,花了一点时间翻译了一下,希望需要的人能借鉴一下! 像很多博文一样,首先要列出原文: http://www.vision.caltech.edu/bouguetj/calib_doc/index.html#examples 文档中举了几个例子,有关双目的是第5个,看仔细哦! 一下就是正文了! 这个例子展示了如何使用工具箱用于校准一个立体系统(内在和外在)和使用立体标定的结果为立体图像校正和3 d立体三角测量. 下载s

CC1605&CC1604 usb3.0+FPGA 高速视频采集 双目相机测评

摄像头配置:ov5640.OV5642.mt9p031.mt9m001c12stm OV5640 xclk:24M pclk:80M 1080p(1920*1080) 30fps OV5642 5M(2560*1920) 17fps mt9p031 xclk:48M 使用pll 5M(2560*1920)23fps 1080p(1920*1080)46fps 硬件效果 硬件接口 1080p  23fps 双目 2592*1944  4.2fps 2560*1920  分辨率下  帧率 17fps

关于udo3d双目相机的嵌入式板子系统重装

遇到的问题: 1.下载压缩文件(.rar):在linux下下载一会就会停止 原因:linux下不支持.rar文件的下载,在windows下载即可 2.在windows下解压文件,结果为镜像文件(.img格式)//在linux下可以用rar,unrar解压 3.将镜像文件写入SD卡中:windows下通过下载win32diskimager软件,然后把镜像文件写入SD卡中 4.插入嵌入式板子,启动即可

Matlab2015 双目相机自动标定

一.      标定步骤 1.      调出标定工具箱 在命令行输入stereoCameraCalibrator,出现如下界面: 2.      勾选相应的选项 然后将上面的“Skew”.“Tangential Distortion”以及“3 Coefficients”等选项选上,将“2 Coefficients”选项去掉,如下: 3.      载入图像 然后点击添加图像,出现如下界面: Camera1代表左摄像头,Camera2代表右摄像头,分别选择存放着左右图像的文件夹,需要特别注意的是

深度相机哪家强?

随着机器视觉.自动驾驶.机器人的火爆,采用深度相机采集环境的深度信息然后进行物体识别.环境建模等越来普遍:相对于传统2D相机,3D相机增加了一维的深息,因而,能够更好的对真实世界进行描述:在许多领域如安防.监控.机器视觉.机器人等,拓展了更多的可能:如自动驾驶中的物体识别和障碍物检测,工业中散乱码放物体的识别.分拣.拆垛.码垛,物流场景中物体的货架抓取等等. 深度相机,顾名思义,指的是可以测量物体到相机距离(深度)的相机,如微软的Kinect, Kinect 2, Intel 的 RealSen

基于opencv的相机标定

双目相机标定以及立体测距原理及OpenCV实现 作者:dcrmg 单目相机标定的目标是获取相机的内参和外参,内参(1/dx,1/dy,Cx,Cy,f)表征了相机的内部结构参数,外参是相机的旋转矩阵R和平移向量t.内参中dx和dy是相机单个感光单元芯片的长度和宽度,是一个物理尺寸,有时候会有dx=dy,这时候感光单元是一个正方形.Cx和Cy分别代表相机感光芯片的中心点在x和y方向上可能存在的偏移,因为芯片在安装到相机模组上的时候,由于制造精度和组装工艺的影响,很难做到中心完全重合.f代表相机的焦距

初识视觉SLAM:用相机解决定位和建图问题

引言:视觉SLAM 是指用相机解决定位和建图问题.本文以一个小机器人为例形象地介绍了视觉SLAM的功能及特点.本文选自<视觉SLAM十四讲:从理论到实践>. SLAM 是Simultaneous Localization and Mapping 的缩写,中文译作"同时定位与地图构建".它是指搭载特定传感器的主体,在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自己的运动.如果这里的传感器主要为相机,那就称为"视觉SLAM". 假设我们组装