Machine vision camera selectie voor ANPR

De selectie van de juiste camera voor een ANPR-systeem vereist zorgvuldige overweging van verschillende factoren om optimale prestaties en nauwkeurige kentekenregistratie te waarborgen. Onze aanbeveling voor dit project was onze MER2-160-227U3M, gebaseerd op de specificaties die als volgt worden uitgelegd.
De onderzoeker moest de camera gebruiken met een Android tablet voor wetshandhaving, die geen Ethernet-verbinding had en naast de camera in de politieauto zou worden geplaatst (dus was de afstand korter dan 4,6 m), wat leidde tot het gebruik van USB3.0-interface.

Resolutie speelt een cruciale rol, omdat de nauwkeurigheid van het systeem essentieel is voor het vastleggen van duidelijke en gedetailleerde beelden van kentekenplaten, vooral onder uitdagende lichtomstandigheden. Dit zorgt voor nauwkeurige karakterherkenning, zelfs op kleinere borden. Voor dit ANPR-project waren de kleinste te lezen tekens 1,5 cm breed, wat moest worden herkend in een gezichtsveld van 2,15 x 1,6 meter. Daarom konden de 1440px x 1080px van deze camera een robuust systeem bouwen.

Frame rate is een andere cruciale factor. Het bepaalt het aantal beelden dat per seconde wordt vastgelegd, en een hogere frame rate is essentieel voor het vastleggen van snel bewegende voertuigen en het garanderen van nauwkeurige kentekenherkenning. Het is aan te raden om te streven naar camera's met een frame rate van minstens 30 beelden per seconde (FPS) om rekening te houden met variaties in voertuigsnelheden en een consistente opname te waarborgen. In dit geval hadden we een hoge frame rate van 227fps bij maximale resolutie.

Pixelgrootte speelt ook een belangrijke rol in de beeldkwaliteit, vooral in omgevingen met weinig licht. Camera's met een grotere pixelgrootte (in dit geval 3,45um) vangen over het algemeen meer licht op, wat resulteert in een betere beeldkwaliteit. Dit is van cruciaal belang voor het vastleggen van duidelijke kentekenplaten onder uiteenlopende lichtomstandigheden, waardoor de effectiviteit van het systeem dag en nacht wordt gegarandeerd. Bovendien werd om dezelfde reden de voorkeur gegeven aan de monochrome versie, omdat deze 3x lichtgevoeliger is dan kleurencamera's.

Ten slotte is de keuze tussen global shutter en rolling shutter camera's cruciaal. Global shutter camera's leggen het hele beeld in één keer vast, waardoor vervorming door bewegende objecten wordt geminimaliseerd, wat essentieel is voor het vastleggen van duidelijke kentekenplaten van voertuigen in beweging. Hoewel rolling shutter camera's goedkoper kunnen zijn, worden voor ANPR applicaties global shutter camera's sterk aanbevolen vanwege hun superieure beeldkwaliteit, vooral bij het omgaan met snelbewegende voertuigen.

Het selecteren van de optimale Lens

De onderzoeker had ook hulp nodig bij het selecteren van de optimale lens voor hun ANPR-systeem. Het was cruciaal om kentekenplaten duidelijk vast te leggen, vooral voor voertuigen op verschillende afstanden (5 tot 15 m in dit geval).

Om dit te bereiken volgden we een vergelijkbare aanpak als bij eerdere projecten. We concentreerden ons op twee sleutelfactoren: gezichtsveld (FOV) en werkafstand (WD). Het gezichtsveld moest breed genoeg zijn om de weg vast te leggen (2,15 m), terwijl een geschikte WD behouden bleef voor een duidelijke focus.

Door middel van discussies en berekeningen (met behulp van onze lenscalculator), hebben we vastgesteld dat een 16mm brandpuntsafstand lens ideaal zou zijn. Deze lens bood de nodige balans, met een breed genoeg gezichtsveld om kentekenplaten op de verwachte afstanden vast te leggen, terwijl het voldoende werkafstand aanhield om focusproblemen te vermijden.

Bovendien hebben we prioriteit gegeven aan het minimaliseren van lensvervorming, om nauwkeurige kentekenherkenning te waarborgen. Vervorming kan ervoor zorgen dat tekens vervormd lijken, wat de identificatie bemoeilijkt. Net als bij eerdere projecten hebben we een lens aanbevolen met minimale vervorming (meestal onder de 1%) om duidelijke en onvervormde beelden te garanderen, wat cruciaal is voor effectieve ANPR-functionaliteit.

Door deze methodologie toe te passen, hebben we onze klant met succes geholpen bij het selecteren van de optimale camera-lensopstelling voor hun specifieke ANPR-systeem, waardoor een duidelijke en nauwkeurige registratie van kentekenplaten werd gegarandeerd, die ze tot op de dag van vandaag blijven gebruiken.

Verlichting voor ANPR

Zoals gezegd moest deze onderzoeker kentekenplaten duidelijk vastleggen, ongeacht het tijdstip van de dag. We begrepen hun behoefte, omdat duidelijke beelden essentieel zijn voor nauwkeurige nummerplaatherkenning.

Net als bij andere projecten hebben we ons gericht op het optimaliseren van de verlichting om de beeldkwaliteit te verbeteren. Hier was het ‘object’ van focus de kentekenplaat.

In tegenstelling tot fotografie vereist het vastleggen van kentekenplaten verschillende verlichtingsbenaderingen. We raden aan om Near-Infrared (NIR) spots te gebruiken. Onzichtbaar voor het blote oog, werken deze spots in hetzelfde bereik als de camera van de klant. Ze functioneren als onzichtbare zaklampen, die de scène verlichten zonder de nachtelijke omgeving te verstoren. Met NIR-spots kan het ANPR-systeem kentekenplaten nog steeds duidelijk zien, zelfs bij weinig licht, aangezien deze camera in het NIR-bereik werkt.

Ten slotte hebben we het probleem van reflecties aangepakt. Afhankelijk van het materiaal van het kenteken en de camera hoek, kan licht weerkaatsen en schittering veroorzaken. Om dit te minimaliseren, vooral overdag, hebben we voorgesteld om polariserende filters te gebruiken. Deze filters fungeren als zonnebrillen voor de camera, waarbij specifieke lichtgolven die reflecties veroorzaken worden geblokkeerd. Dit houdt het beeld helder en helpt het ANPR-systeem om het kenteken nauwkeurig te lezen.

Door zowel NIR-spots voor 's nachts als polarisatiefilters voor overdag te overwegen, hebben we de klant geholpen een optimale verlichting voor hun ANPR-systeem te realiseren, waardoor dag en nacht duidelijke registratie van kentekenplaten werd gegarandeerd.

Beeldverwerkingssoftware voor ANPR

Een camera, lens en verlichting zijn slechts de eerste stukjes van de puzzel als het gaat om het bouwen van een compleet machine vision systeem. Voor taken zoals ANPR is computer vision software nodig om de vastgelegde beelden te analyseren en betekenisvolle informatie te extraheren.

Gelukkig bieden onze systemen flexibiliteit als het gaat om softwarekeuzes. Ze zijn GenIcam-compliant, wat betekent dat ze naadloos werken met verschillende softwareopties van derden zoals MvTec Halcon, NI LabVIEW, Cognex Vision Pro, en zelfs populaire platforms zoals MATLAB en OpenCV.

Wij bieden een gratis Software Development Kit (SDK) aan. Deze handige toolkit helpt je bij het vastleggen van beelden en het bedienen van cameraparameters, waardoor het een geweldig startpunt is. De SDK is compatibel met verschillende platforms, van reguliere pc's tot industriële opstellingen met NVIDIA TX-series of Raspberry Pi-apparaten. Het ondersteunt zelfs diverse besturingssystemen zoals Windows, Linux en Android. Er zijn tal van Open-Source programma's ontwikkeld voor ANPR die werken met onze SDK.

Deze onderzoeker heeft samen met onze SDK hun programma gebouwd om kentekenplaten te herkennen. Dit programma maakte het ook mogelijk om de parameters van de camera automatisch te wijzigen op basis van de omgevingsomstandigheden.

Voor projecten die op zoek zijn naar een complete softwareoplossing, raden we Zebra Aurora Vision Studio aan. Deze krachtige maar intuïtieve software biedt een visuele interface die lijkt op een gereedschapskist, waardoor het gemakkelijk te leren en te gebruiken is. Met Aurora Vision kunnen gebruikers kentekenplaten herkennen. De gratis Lite-versie, uitgerust met alle standaardalgoritmen, diende als een geweldig startpunt voor de klant om de mogelijkheden van de software te verkennen. 

Door verschillende softwareopties en gebruiksvriendelijke tools aan te bieden, stellen we klanten in staat om de oplossing te kiezen die het beste past bij hun expertise en projectvereisten, wat uiteindelijk leidt tot succesvolle machine vision implementaties.

ANPR applicaties

Automatische kentekenherkenning ANPR heeft de oorsprong van de veiligheidscontrole overstegen. Tegenwoordig stroomlijnt het de activiteiten en verbetert het de beveiliging in alle sectoren:

Verkeersstroom: ANPR automatiseert de tolheffing, analyseert verkeerspatronen en identificeert snel rijdende voertuigen, verbetert de doorstroming en genereert inkomsten voor veiligere wegen.

Parkeerbeheer: Het vergemakkelijkt het geautoriseerde in- en uitrijden en controleert ongeautoriseerde voertuigen op parkeerterreinen, waardoor gemak voor legitieme gebruikers en inkomsten voor exploitanten worden gegarandeerd.

Wetshandhaving: ANPR helpt bij het terugvinden van gestolen voertuigen, het opsporen van vermiste personen en het aanhouden van criminelen, wat bijdraagt ​​aan de veiligheid van de gemeenschap.

Vlootbeheer: Bedrijven gebruiken het voor realtime voertuigtracking, routeoptimalisatie en monitoring van chauffeursgedrag, wat leidt tot kostenbesparingen en efficiëntie.

Grensbeveiliging: ANPR versterkt de grensbeveiliging door voertuigen te monitoren, interessante personen te identificeren en reisvergunningen te verifiëren.

Deze veelzijdige technologie leest en interpreteert kentekens, wat zorgt voor soepelere operaties, verbeterde beveiliging en gemak in diverse applicaties.

Support voor ANPR?

Wilt u support van een van onze machine vision experts voor het creëren van uw eigen Automatic Number Plate Recognition (ANPR) systeem? Of een ander vergelijkbaar vision systeem? Aarzel niet om contact op te nemen via het onderstaande formulier!