Machine Learning y Visión Artificial · VA-105

Calibración de cámaras y factores ambientales

Convertir píxeles en milímetros fiables: intrínsecos, extrínsecos y estabilidad de la medida en planta.

Disponible Avanzado 6 módulos · 26 clases

Formato asíncrono Ingeniería / Industria OpenCV, Python

INDUSTRIA40

Lo que aprenderás

Calibrar una cámara con patrón de tablero y obtener la matriz intrínseca y los coeficientes de distorsión.
Corregir distorsión radial y tangencial con undistort y valorar el resultado por el error de reproyección.
Estimar la pose de la cámara respecto a la pieza con solvePnP y sistemas de coordenadas coherentes.
Traducir medidas en píxeles a milímetros mediante homografía sobre el plano de trabajo.
Cuantificar la deriva térmica y mecánica repitiendo la calibración a lo largo de un turno de producción.
Diseñar iluminación, apantallamiento y soporte para reducir la variabilidad de la medida en planta.

Contenido del curso

6 módulos · 26 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · Presentación y entorno 4 clases

Qué problema resuelve realmente calibrar
Instalación de OpenCV y estructura del proyecto
Cámaras USB, GigE y captura de imagen estática
Preparación e impresión del patrón de calibración

Módulo 2 · Modelo de cámara 4 clases

El modelo pinhole y la matriz intrínseca
Distorsión radial y tangencial: qué se ve en la imagen
Parámetros extrínsecos y sistemas de coordenadas
Del píxel al milímetro: qué información falta

Módulo 3 · Calibración intrínseca con OpenCV 5 clases

Cuántas capturas y en qué posiciones
findChessboardCorners y refinado subpíxel
calibrateCamera paso a paso
Leer el error de reproyección y decidir
undistort, remap y recorte de la imagen corregida

Módulo 4 · Extrínsecos y medida métrica 4 clases

solvePnP y pose de la cámara frente a la pieza
Homografía sobre el plano de trabajo
Escalado a milímetros y verificación con patrón conocido
Incertidumbre de la medida y cifras significativas

Módulo 5 · Factores ambientales 5 clases

Vibración, rigidez del soporte y anclaje
Deriva térmica del sensor y de la óptica
Iluminación: tipo, ángulo y apantallamiento de luz exterior
Suciedad, condensación y mantenimiento del vidrio
Protocolo de recalibración y registro de resultados

Módulo 6 · Caso práctico de inspección dimensional 4 clases

Especificación de la cota y de la tolerancia exigida
Calibración completa de la célula
Campaña de repetibilidad a lo largo del turno
Informe de calibración y criterios de aceptación

Requisitos

Manejo de Python y de OpenCV a nivel de lectura de imagen y operaciones básicas de tratamiento.
Nociones de álgebra lineal: matrices, cambios de base y transformaciones geométricas.
Una cámara USB o industrial y un patrón impreso ayudan a seguir las prácticas, aunque se facilitan juegos de imágenes de ejemplo.

Descripción

Una célula de visión que mide bien sobre la mesa del laboratorio empieza a dar cotas distintas cuando se instala en la línea. La óptica introduce distorsión, el soporte cede unas décimas con la vibración y la temperatura del cuadro cambia a lo largo del turno. El resultado son piezas correctas rechazadas y discusiones interminables sobre si falla el algoritmo o el montaje.

El curso parte del modelo pinhole y recorre el flujo de calibración de OpenCV: captura del juego de imágenes del patrón, detección y refinado subpíxel de esquinas, obtención de intrínsecos y distorsión, y lectura crítica del error de reproyección. Después llegan los extrínsecos con solvePnP y la homografía que convierte el plano de la pieza en una escala métrica verificable con patrón conocido.

La última parte trata el sistema como un instrumento de medida: rigidez del soporte, deriva térmica, iluminación, suciedad del cristal y protocolo de recalibración con criterios de aceptación. Con esa base se aborda el diseño completo de una instalación de visión y cualquier aplicación de inspección dimensional cuya medida deba defenderse ante el cliente o ante una auditoría.

¿Para quién es este curso?

Personal de ingeniería de proceso que ha montado una célula de visión y no consigue que la medida sea estable entre turnos.
Integradores de sistemas de inspección que necesitan justificar la incertidumbre de la medida ante el cliente final.
Ingeniería de calidad que usa visión para control dimensional y quiere criterios objetivos de recalibración.