卡尺工具：实现halcon中的fit_circle_contour_xld

已于 2023-12-09 16:51:30 修改
阅读量910 收藏 7
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： 计算机视觉
于 2023-12-09 15:21:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/manuoo/article/details/134892964
博客介绍了在计算机视觉领域，Halcon库中的fit_circle_contour_xld操作符如何进行几何和代数拟合圆形。讨论了两种方法的优缺点，强调了代数拟合在某些情况下可能提供与几何拟合相当的精度。文章还提到使用权重函数优化拟合过程，并分享了一种自定义的拟合策略，通过迭代和误差评估选择最佳拟合结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

        拟合圆的方法分为两大类：几何拟合与代数拟合。

        几何拟合：通过迭代算法使 \mathscr{F} 收敛到最小值，其中 d_i 是数据点到圆的几何(垂直)距离。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
halcon知识：fit_circle_contour_xld函数
gongdiwudu的专栏
02-06 1万+
一、 说明 这个函数是用一个圆逼近一段弧，得到参数：圆心（Row, Column）,半径 Radius、弧的起点、终点、点顺序。 fit_circle_contour_xld(Contours : : Algorithm, MaxNumPoints, MaxClosureDist, ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi, PointOrder) 二、参数列表： ..
halcon学习拓展系列—圆拟合卡尺算子fit_circle_base_circle
谷棵的专栏
08-28 1896
首先感谢wangpeng,joy和xy6300，三位提供了卡尺工具的思路，并提供了卡尺工具—rake函数，综合三位同事提供的思路，整合并优化，提出了矩形矢量直线拟合算子fit_circle_base_circle，增加了滤波功能，再次感谢三位同事！ 涉及到卡尺工具—rake函数，请参考博客园博主xy6300《边缘分析及直线和圆拟合——第5讲》 一、算子说明 fit_circle_base_circle(Image: :threshEdge,numEdge,transition,orie...
Halcon 算子 fit_circle_contour_xld
奔跑的郑的博客
01-06 1万+
作用：用圆近似XLD轮廓； 参数翻译（对应以上参数顺序）： 输入轮廓、 圆拟合算法（详细算法解释如下）、 用于计算的最大轮廓点数（MaxNumPoints >= 3，-1是所有点）、 闭合轮廓端点之间的最大距离（轮廓两头的距离MaxClosureDist >= 0.0）、 拟合过程忽略的点（轮廓首尾ClippingEndPoints >= 0）、 稳健加权拟合的最大迭代次数（Iterations >= 0）、 用于剔除异常值的剪切因子（ClippingFact..
Halcon——圆拟合算子详解
zeroCCY的博客
10-10 2150
该算子是 Halcon 中用于拟合轮廓的圆形的操作符。这个操作可以根据输入的轮廓点数据来计算最佳拟合的圆。（1）Contours：输入轮廓、（2）Algorithm：圆拟合算法（详细算法解释如下）、（3）MaxNumPoints：用于计算的最大轮廓点数（MaxNumPoints >= 3，-1是所有点）、（4）MaxClosureDist：闭合轮廓端点之间的最大距离（轮廓两头的距离MaxClosureDist >= 0.0）、
Halcon模板匹配定位跟随找圆
Helios的博客
02-27 3251
检测图像： Hdevelop代码： list_image_files ('D:/用户目录/Test', 'default', [], ImageFiles) read_image (Image,ImageFiles[0]) gen_rectangle2 (Roi_Model, 918.272, 2649.06, rad(-47.7444), 200.86, 111.06) reduce_domain (Image, Roi_Model, Image_model) edges_sub_pix (
Halcon算子之fit_circle_contour_xld,用于圆拟合XLD轮廓
qq_20278613的博客
04-26 1万+
函数原型：   fit_circle_contour_xld( Contours : : Algorithm, MaxNumPoints, MaxClosureDist, ClippingEndPoints, Iterations, ClippingFactor : Row, Column, Radius, StartPhi, EndPhi, PointOrder )  
【C# + HALCON 机器视觉】HALCON经典算子：圆拟合（fit_circle_contour_xld）
专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！
05-12 1131
摘要：本文聚焦 C# 与 HALCON 集成开发，深入研究圆拟合算子fit_circle_contour_xld在轴承滚珠尺寸检测中的应用。通过threshold分割滚珠区域，利用fit_circle_contour_xld拟合圆参数，与设计值对比判定产品是否合格。结合 C# 多线程技术，实现每秒 5 件的检测速度，并阐述 ROI 局部处理等性能优化方法、异常处理策略及跨平台集成方案。此外，还介绍了融合 3D 点云数据的立体测量扩展应用，为工业视觉检测提供全面解决方案。
【halcon】Metrology工具系列之 get_metrology_object_model_contour
songhuangong123的博客
11-27 872
我们可以清晰的看到，方块的排列是根据这跟红线进行排布的，红线就是他们的中心！
Halcon - 定位 - 卡尺
weixin_30598225的博客
09-23 2699
以直线卡尺为例，其他卡尺更改相应参数即可。 Code 直线卡尺 * 获取图像及图像尺寸 dev_close_window () read_image (Image, 'fabrik') get_image_size (Image, Width, Height) dev_open_window_fit_image (Image, 0, 0, -1, -1, WindowHandle) de...
halcon封装measure_pos为测量园函数
m0_66380820的博客
07-22 363
与测量直线的相同，也是为了有些时候加入自己的规则而封装。上述参数基本都是找线卡尺常规参数，只有最后这个。这个是控制卡尺找线方向的，可以直接更人性的使用。NumDistance（矩形之间间距离）RecHeight（矩形半高）RecWidth（矩形半宽），Direction（找线朝向)Threshold（灰度值）ransition（极性）Sigma（平滑系数）Select（线选择）这样，更加简单直接。
halcon投影距离_机器视觉测量，halcon测量讲解，卡尺找线，卡尺找圆
weixin_39777497的博客
11-21 2022
测量是机器视觉应用场景之一，今天我来介绍一下在halcon中测量项目的一些方法。在halcon中本身的测量demo比较多，在实际项目使用中，最为广泛的方法还是使用卡尺来解决测量任务，整体的思想就是先找到边界点，然后判断边界点是否符合要求，最后通过拟合出线或者圆来进行测量任务。当然也可以通过边缘查找后拟合。理解halcon测量原理在halcon中，来确定边缘的方法为在一个ROI宽度上，计算每个宽度上...
Halcon学习备忘六（拟合圆的一种方法）
热门推荐
08-11 2万+
对于圆形区域，我们想拟合出它的圆形
FSHNet：高效目标检测新突破
keny-大成的博客
07-23 887
FSHNet是一种高效的目标检测网络，通过特征收缩机制减少计算量，适用于实时场景。该网络结合稀疏卷积和注意力机制，解决了长距离交互能力弱等问题，在多个3D检测基准上达到SOTA性能。文章提供了Rust实现方案，涵盖数据加载、模型定义、训练流程和部署优化。核心创新包括SlotFormer块、动态标签分配等，支持并行计算和WASM部署。代码示例展示了文件处理、网络通信等实用操作，便于实际应用开发。
工业缺陷检测的计算机视觉方法总结
qq_32205577的博客
07-25 319
实例分割技术能够精确识别并定位缺陷区域，其中UNet擅长处理小样本医疗和工业图像，而Mask R-CNN则适用于复杂场景的多目标检测任务，两者通过不同的网络架构实现高精度缺陷分割。通过滑动窗口在图像中搜索与预定模板最相似的区域，采用相似度度量（如归一化互相关）进行比对。适用于已知目标形态且变化较小的定位场景。结合频域变换（如傅里叶变换）和空域操作（如直方图均衡化）的图像增强技术，配合边缘检测算子提取特征。将图像转换为黑白二值图像的过程，通过设定阈值将灰度图像分成前景和背景两部分，突出关注点。
旋转目标检测（Rotated Object Detection）技术概述
qq_54708219的博客
07-21 1002
单阶段方法凭借较好的速度-精度平衡成为研究和应用热点，尤其是基于FCOS、ATSS等无锚框框架的改进版本（如Rotated FCOS, S2A-Net）。GV、CSL、KLD/GWD等改进表示法和损失函数极大地缓解了角度回归问题。解决角度表示与回归的不连续性问题（CSL, GV, KLD等）和提升旋转不变/等变特征表达能力（数据增强、可变形卷积、特征对齐等）是核心。极端小目标、极端长宽比目标（如电线、舰船）的检测。密集排列、严重遮挡场景下的目标区分。旋转IoU计算的效率和可导性（虽有改进，仍是瓶颈）。
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型通过YoloV8深度学习模型实现工人安全装备（安全帽、手套、马甲等）检测识别 （C#）
xianzuzhicai的博客
07-24 691
Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型通过YoloV8深度学习模型实现工人安全装备（安全帽、手套、马甲等）检测识别 （C#）
【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南：从理论到代码实战，新手入门必看教程
qq_42910179的博客
07-25 538
新的骨干网络：采用更高效的特征提取网络，在减少计算量的同时提升特征表达能力改进的颈部结构：优化了特征融合机制，增强了多尺度特征处理能力优化的损失函数：提高了模型对小目标和遮挡目标的检测能力动态锚框机制：根据不同数据集自动调整锚框参数，提升检测精度YOLO12 则引入了一种以注意力为中心的架构，它不同于以往YOLO 模型中使用的基于 CNN 的传统方法，但仍保持了许多应用所必需的实时推理速度。该模型通过对注意力机制和整体网络架构进行新颖的方法创新，实现了最先进的物体检测精度，同时保持了实时性能。
详解：YOLO 系列演进趋势
guoguozgw的博客
07-25 401
不再是“目标检测器”，而是“视觉基础模型（Vision Foundation Model）”的轻量级版本。✅ SimOTA 是 YOLOv7 的灵魂：让正样本分配“动态化”、“任务驱动”⚠️ 缺点：容易出现多个 anchor 同时负责一个 GT，导致重复预测。：不同任务可独立增强（如检测头加注意力，分割头加 CRF）：anchor 不再硬匹配，而是加权参与训练。：结合 PGI 输出，动态优化样本分配。：检测、分割、姿态、跟踪、分类共享骨干。❌ 缺点：仍为静态分配，可能误判。：模型更小、更快，适合边缘部署。
Zero-Shot TrackingT0：对象分割+运动感知记——当“切万物”武士学会运动记忆，目标跟踪稳如老狗
最新发布
TataDou的博客
07-25 497
本文提出了一种改进的目标跟踪算法，通过运动建模和动态记忆库优化了原SAMv2框架的缺陷。核心创新包括：1）基于卡尔曼滤波的双路径决策机制，融合运动与外观特征；2）动态阈值记忆库，有效抑制遮挡干扰。实验表明，该算法在目标跟踪准确性和稳定性上显著提升，尤其适用于复杂场景（如自动驾驶、工业检测）。该框架无需微调即可实现即插即用，具备良好的实时性和泛化能力，未来可扩展至3D跟踪和移动端应用。
Halcon卡尺找圆忽略边缘点数
03-11
<think>好的，我现在需要帮助用户在Halcon中使用卡尺工具找圆时设置参数以忽略边缘点数。首先，我需要回想一下Halcon的相关工具和参数设置。根据用户提供的引用内容，CogFindCornerTool工具使用卡尺来定位构成边界的点，然后拟合直线找到角点。而找圆的话，可能需要类似的卡尺方法，但目标变成拟合圆。 用户的问题是关于如何设置参数来忽略边缘点数。这里的“忽略”可能指的是在拟合圆时排除一些不符合条件的边缘点，比如离群点或者噪声点。Halcon中的找圆工具，比如基于卡尺的find_circle或使用边缘提取后拟合的方法，可能会有相关参数控制这一点。 首先，我需要确定用户具体使用的是哪个Halcon工具。常见的找圆方法有使用find_circle_contour_xld或者fit_circle_contour_xld。根据引用[2]提到的圆拟合函数是fit_circle_contour_xld，可能需要结合卡尺工具生成边缘点，再进行拟合。 卡尺工具通常涉及设置卡尺的数量、卡尺的位置（半径范围、角度范围）、卡尺的宽度和高度等。例如，在查找圆时，可能会在多个角度方向上放置卡尺，每个卡尺内检测边缘点，然后将这些点用于拟合圆。 关于忽略边缘点数的参数，可能需要考虑以下几点： 1. **边缘点数阈值**：如果某个卡尺内检测到的边缘点太少，可能忽略该卡尺的数据。这可以通过设置最小边缘点数参数来控制，比如MinNumPoints，如果某个卡尺找到的点数少于这个值，则跳过。 2. **边缘点的选择方式**：每个卡尺可能检测到多个边缘点，通常选择最强的一个。可以通过参数如EdgeSelect来设置选择第一个、最后一个还是最强边缘点，这间接影响使用的点数。 3. **拟合时的权重或剔除机制**：拟合圆时，可能需要设置剔除离群点的参数，比如迭代加权最小二乘法中的参数，或者使用RANSAC方法剔除不符合模型的点。Halcon的fit_circle_contour_xld可能有相关参数，如迭代次数、阈值等。 4. **卡尺的宽度和Sigma**：卡尺的宽度影响检测区域的大小，Sigma用于高斯滤波，影响边缘检测的灵敏度。调整这些参数可以减少噪声点的检测，从而间接忽略不想要的边缘点。 我需要查阅Halcon的文档确认具体参数。例如，fit_circle_contour_xld的参数包括Iteration、ClippingFactor等，可能影响拟合时点的剔除。ClippingFactor用于排除偏离拟合圆一定距离的点，多次迭代可以逐步剔除离群点。 此外，用户提到的“忽略边缘点数”可能是指希望即使某些卡尺没有找到足够的点，仍然继续拟合。这时需要设置MinNumPoints为一个较低的值，或者允许部分卡尺无效。或者，可能需要调整卡尺的位置和方向，确保覆盖有效的边缘区域。 总结可能的参数设置步骤： - 调整每个卡尺的参数，如Width、Sigma，确保准确检测到有效边缘点。 - 设置EdgeSelect为'first'或'last'，或者根据边缘幅度选择'most'。 - 在拟合圆时，使用ClippingFactor和Iteration参数来排除离群点。 - 调整MinNumPoints，允许较少的有效卡尺参与拟合，但需注意过低的MinNumPoints可能导致拟合不准确。 需要验证这些参数是否在对应的Halcon工具中存在，例如在gen_circle_contours_xld或find_circle_contour_xld中。此外，可能还需要结合边缘幅度的阈值来过滤弱边缘，减少噪声点的数量。 最后，根据用户提供的引用，CogFindCornerTool返回角点是否存在和坐标，类似地，找圆工具应返回圆心和半径，以及可能的拟合质量参数。因此，正确设置上述参数可以帮助忽略不需要的边缘点，提高找圆的准确性。</think>在Halcon中使用卡尺工具找圆时，忽略边缘点数的参数设置需结合卡尺检测和拟合算法进行调整。以下是分步说明： ### 1. 卡尺工具参数设置 - **卡尺数量与分布** 使用`gen_circle_contour_xld`生成圆形轮廓，设置`NumPoints`参数控制卡尺数量。卡尺均匀分布在圆周上，数量过少可能导致边缘点覆盖不全，过多会增加计算量。 - **单卡尺参数** - **Width**：卡尺宽度，决定检测区域横向范围，过宽可能包含干扰边缘，过窄可能漏检。 - **Height**：卡尺高度，决定检测区域纵向范围，通常与预期边缘宽度匹配。 - **Sigma**：高斯滤波系数，用于平滑图像，减少噪声影响。值越大，边缘检测越模糊，但抗噪性更强。 - **边缘筛选** - **Threshold**：边缘幅度阈值，低于此值的边缘点会被忽略。例如：`set_find_circle_contour_xld_param(Threshold, 30)`。 - **EdgeSelect**：边缘选择模式，设为`'first'`（第一个边缘）、`'last'`（最后一个）或`'most'`（最强边缘）[^2]。 ### 2. 圆拟合参数调整 使用`fit_circle_contour_xld`时，通过以下参数控制离群点剔除： - **Iteration**：迭代次数，多次迭代可逐步排除偏离拟合结果的点。 - **ClippingFactor**：裁剪因子（如2.0），表示允许点与拟合圆的最大偏差倍数，超出此值的点会被忽略。 ### 3. 关键参数示例 ```python * 生成卡尺轮廓 gen_circle_contour_xld(Contour, CircleRow, CircleCol, Radius, 0, 6.28318, 'positive', 1) * 设置卡尺参数 set_find_circle_contour_xld_param(Threshold, 30) set_find_circle_contour_xld_param(EdgeSelect, 'most') * 拟合圆并忽略离群点 fit_circle_contour_xld(Contour, 'algebraic', -1, 0, 0, 3, 2, Row, Column, Radius, StartPhi, EndPhi, PointOrder) ``` ### 4. 注意事项 - **MinNumPoints**：设置最小有效点数，若有效卡尺数低于此值，拟合失败。需根据实际情况调整。 - **边缘干扰**：通过`Sigma`和`Threshold`抑制噪声，避免无效边缘被选中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值