模板匹配进阶(一)与卡尺进行抓边

*传入第一张图片做模板
read_image (Image, 'C:/Users/Maxwell/Desktop/模板匹配testimage/1.jpg')
rgb1_to_gray (Image, GrayImage)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (GrayImage)
dev_set_draw ('margin')
*draw_rectangle2 (WindowHandle, Row1, Column1, Phi, Length1, Length2)
gen_rectangle2 (Rectangle, 2258.64, 893.313, -0.0, 228.375, 179.435)
reduce_domain (GrayImage, Rectangle, ImageReduced)
create_shape_model (ImageReduced, 'auto', rad(0),rad(360), 'auto', 'auto', 'use_polarity', 'auto', 'auto', ModelID)

row1:=2468
col1:=1396
row2:=2517
col2:=2918

gen_region_line (RegionLines, row1, col1, row2, col2)

* Image Acquisition 01: Code generated by Image Acquisition 01
list_files ('C:/Users/Maxwell/Desktop/模板匹配testimage', ['files','follow_links'], ImageFiles)
tuple_regexp_select (ImageFiles, ['\\.(tif|tiff|gif|bmp|jpg|jpeg|jp2|png|pcx|pgm|ppm|pbm|xwd|ima|hobj)$','ignore_case'], ImageFiles)
for Index := 0 to |ImageFiles| - 1 by 1
    dev_set_color ('green')
    dev_set_line_width (3)
    read_image (Image_t, ImageFiles[Index])
    rgb1_to_gray (Image_t, GrayImage_t)
    find_shape_model (GrayImage_t, ModelID, rad(0), rad(360), 0.1, 1, 0.5, 'least_squares', 0, 0.5, Row, Column, Angle, Score)
    vector_angle_to_rigid (2258.64, 893.313, 0, Row, Column, Angle, HomMat2D)
    affine_trans_region (Rectangle, RegionAffineTrans, HomMat2D, 'nearest_neighbor')

    * 卡尺找直线
    affine_trans_point_2d (HomMat2D, row1, col1, row1_t, col1_t)
    affine_trans_point_2d (HomMat2D, row2, col2, row2_t, col2_t)
    
    Lineparam:=[row1_t, col1_t, row2_t, col2_t]
    gen_region_line (RegionLines, row1_t, col1_t, row2_t, col2_t)
    * 创建测量句柄
    create_metrology_model (MetrologyHandle)
    * 设置计量模型图像大小
    get_image_size (GrayImage, Width, Height)
    set_metrology_model_image_size (MetrologyHandle, Width, Height)
    
    *                                                                   卡尺高   卡尺宽   sigma   阈值
    add_metrology_object_generic (MetrologyHandle, 'line', Lineparam,   150,   3,        1,      10, \
                              'measure_transition', 'positive', Index1)
    * 执行测量,获取边缘点集
    apply_metrology_model (GrayImage, MetrologyHandle)
    get_metrology_object_measures (Contours1, MetrologyHandle, 'all', 'all', Row1, Column1)
    
    *获取找到的点位
    gen_cross_contour_xld (Cross1, Row1, Column1, 6, 0.785398)
    * 获取最终测量数据和轮廓线
    *获取结果
    get_metrology_object_result (MetrologyHandle, 'all', 'all', 'result_type', 'all_param', Parameter)
    *划线
    get_metrology_object_result_contour (ContourOut1, MetrologyHandle, 'all', 'all', 1.5)
    *将轮廓拟合成线
    fit_line_contour_xld (ContourOut1, 'tukey', -1, 0, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist)
    * 释放测量句柄
    clear_metrology_object (MetrologyHandle, 'all')
    
    dev_set_color ('blue')
    dev_display (GrayImage_t)
    dev_display (RegionAffineTrans)
    dev_display (ContourOut1)

endfor
 

提示:本人准备建立一个技术交流群,会将日常学习工作中遇到的问题和解决方案进行分享,同时也会将代码和学习资料上传进去,有什么不懂的问题可以咨询我!+v:SJS66-12

生活所迫打个广告,本人也代购莆田鞋,不是中间商,工厂直接取货,价格优惠质量保证,都是我自己前去挑选,可以视频选购验货!!希望大家支持!!!赚点生活费!!!+v:SJS66-12

 

<think>嗯,用户想学习海康VisionMaster的基础知识和使用方法,需要初学者教程或基础使用指南。用户明确提到是初学者,说明需要从零开始的系统性指导。用户引用的材料很有意思:[^1]提到用户有Halcon/VisionPro等工业视觉背景,现在转向VM学习;[^2]介绍了VM作为视频管理平台的定位;[^3]则涉及标定板等专业功能。虽然这些不是直接教程,但透露出几个关键信息:用户具备机器视觉基础,需要快速上手VM;VMVisionPro有相似性(这对教学类比很重要);标定功能是进阶重点。考虑到用户背景,教程设计需要:建立其他视觉软件的认知桥梁(比如“VM的模板匹配相当于Halcon的find_shape_model”);强调海康特有的Ⅱ型标定板等独家功能;区分基础模块和进阶扩展(如引用[^3]提到的二维码标定板属于后期内容)。具体学习路线应该分四阶段:首先是安装配置(连文档都没提下载地址,必须补全);然后核心模块的实操(模板匹配/测量工具等);接着设备通信集成;最后才是深度学习等高级功能。每个阶段都要包含官方资料引用(如4.2用户手册)和第三方资源(B站实测视频),这样既专业又接地气。工具讲解要突出VM特色:比如VM的“场景切换”功能在VisionPro里对应WorkSpace,但增加了脚本变量传递机制;而通信模块的“协议配置”比Halcon的接口封装更友好。这些对比能加速用户迁移知识。意外发现用户引用里藏着重要线索:[^2]提到“视频结构化分析”是VM优势,这个在基础教程里容易被忽略,需要单独列为第4模块重点说明——毕竟用户可能从安防场景切入。</think> 以下是针对海康VisionMaster初学者的系统性学习路径和资源指南,结合工业视觉开发的核心流程整理: --- ### **、官方入门资源(必学基础)** 1. **《VisionMaster用户手册》** - **获取方式**:海康开发者社区注册下载(https://www.hikrobotics.com/cn/machinevision/service) - **重点章节**: - 第2章:平台安装授权激活(注意**环境配置**Halcon差异) - 第4章:项目创建流程(`.vpp`工程管理) - 第5章:相机SDK集成(含GigE/USB3协议配置) - *引用提示:安装时需注意VM对.NET Framework 4.7.2的依赖[^1]* 2. **基础操作视频教程** - 海康官方B站账号 **《VM4.0入门教学》** 系列 (搜索关键词:海康机器视觉官方培训) - 核心内容: ```markdown 1. 图像采集:多相机同步触发配置 2. 标定模块:海康II型棋盘格标定板的使用(亚像素精度校准) ``` --- ### **二、核心功能模块学习路线** #### **Phase 1:图像处理基础** | 模块 | 关键操作 | 类比Halcon | |---------------|------------------------------------------|--------------------------| | **定位匹配** | 特征模板/轮廓匹配工具 | ≈ find_shape_model | | **测量检测** | 卡尺工具/缘分析(支持亚像素精度) | ≈ measure_pos | | **OCR识别** | 字符训练工具(支持字体库导入) | ≈ OCR训练助手 | #### **Phase 2:通信控制** ```mermaid graph LR A[图像处理结果] --> B(VM通信模块) B --> C{输出协议选择} C -->|PLC| D[Modbus TCP] C -->|机器人| E[Ethernet/IP] C -->|上位机| F[Socket JSON] ``` #### **Phase 3:进阶功能(引用[^3]扩展)** - **深度学习模块**:分类/分割工具链(需GPU加速授权) - **3D视觉**:点云配准工具(需Laser系列相机支持) - **脚本扩展**:C#脚本调试器(位于“流程编辑”>“运行控制”) --- ### **三、实战练习项目** 1. **工件定位案例(模板匹配)** ```python # VM伪代码流程 创建图像源 → 设置ROI区域 → 训练定位模板 → 执行匹配 → 输出坐标角度 ``` 2. **尺寸测量项目** - **误差控制**:通过标定板转换像素当量(建议精度≤0.1mm) - **数据输出**:配置CSV报告生成器+Modbus寄存器映射 3. **视觉通信实验** - 使用ModbusSlave软件模拟PLC接收坐标数据(配置映射寄存器:D100=X, D101=Y) --- ### **四、避坑指南(来自工业实践)** 1. **标定常见问题**: - II型标定板的二维码朝向影响坐标系建立(引用[^3]二维码方向判定) - 运动方向像素坐标的旋转补偿 2. **性能优化**: - 启用GPU加速(需NVIDIA Quadro显卡) - 避免在循环流程中加载大尺寸模板 --- ### **
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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