Halcon各版本主要更新概要

最新推荐文章于 2024-07-24 17:26:28 发布

liang890319

最新推荐文章于 2024-07-24 17:26:28 发布

阅读量8.4k

点赞数 3

分类专栏：机器视觉

本文链接：https://blog.csdn.net/liang890319/article/details/108048211

版权

机器视觉专栏收录该内容

16 篇文章 7 订阅

订阅专栏

https://www.mvtec.com/products/halcon/documentation/previous-release-notes/

halcon特点

革命性的3D机器视觉软件（3D校准，立体，聚焦深度，光线，3D配准，透视匹配，3D匹配，3D对象检查，3D测量）
匹配以查找甚至旋转或部分遮挡的对象
具有50多种形状和灰度值特征的斑点分析
高精度测量
种类繁多的最新深度学习技术
光学字符识别和验证（OCR / OCV）
任意形状的感兴趣区域（ROI），具有显着的灵活性和速度
检测线，圆和椭圆，精度高达1/50像素
极快的形态
彩色图像处理和高光谱成像
处理超大图像（大于32k x 32k）
图像序列处理（例如，用于监视任务）
准确的3D相机校准

支持的硬件：

https://www.mvtec.com/products/interfaces/

halcon12

https://www.docin.com/p-2016955098.html

HALCON 12.0.4中的更改是相对于HALCON 12.0.3进行描述的。请通过下面的链接阅读有关以前的HALCON版本中的更改的信息。

新的开始界面getting start
直方图窗口重新整理gray histogram
变量区域tuples和functions可以绘制成图表plot as function
vectors可以包含 objects tuples vectors
jit编译 JIT-complied
多线程par_start consumer/acquire process,线程同步，消息队列
visual studio插件
支持数字IO ,OPC UA
速度提升
条码识别能力增强
新算子：bead inspection，xld distance transform计算两条轮廓的点距离
新增新的标定板支持（点更多视场被覆盖）描述文件后缀cpd
gen_caltab旧,creat_caltab新
结构光标定方式优化（激光三角）
scara机器人手眼标定标定相机--手眼标定5点-z方向修正
支持倾斜镜头的标定
新的ocr分割识别算子

halcon13

用户可以使用CNN（卷积神经网络）来训练他们自己的分类器

速度提升

纹理检测

三维匹配和三维重建

识别技术的大幅提升ocr qr 条码

对HDevEngine应用进行调试

HALCON 17.12的主要新功能进展

深度学习

使用HALCON 17.12，用户可以基于HALCON中包含的两个预训练网络，使用CNN（卷积神经网络）训练自己的分类器。这些已针对工业应用进行了高度优化，并基于数十万张图像。

在培训期间，HALCON会自动学习哪些功能可用于识别不同的类别-与所有以前的分类方法相比，这是一个很大的优势。这大大减少了编程工作。

训练完CNN之后，它可以用于使用HALCON对新数据进行分类。

折光法

HALCON 17.12包括一种用于检查镜面反射表面以检测诸如凹痕或划痕之类的缺陷的新方法，而使用常规表面检测技术很难识别这些缺陷。偏转法通过观察已知图案的镜像及其在表面上的变形来使用镜面反射。

简易代码导出

HDevelop提供了一个新的库导出功能，该功能使C ++中的HALCON过程的使用与调用任何其他C ++函数一样容易且直观。这可以通过封装必需的HDevEngine API调用的C ++包装器来实现。这种新的库导出还生成了CMake项目，可以轻松配置这些项目以输出许多流行的IDE（例如Visual Studio）的项目文件。

可从HDevelop GUI和命令行界面访问新功能。

改进的自动文本阅读器

HALCON 17.12具有改进的自动文本阅读器，现在可以更强大地检测和分离触摸字符。

3D融合

HALCON现在提供了一种新方法，可以将多个3D点云融合到一个水密表面中。这种新方法能够组合来自不同或什至各种3D传感器的数据，例如立体摄像机，飞行时间摄像机或条纹投影。这些传感器的数据融合到一个高度优化的3D点云中。该技术对逆向工程特别有用。

GigEVision2

HALCON现在提供了新的GigEVision2接口，该接口支持符合GigE Vision 2.x标准的设备，并取代了旧的GigEVision接口。特别是，此新接口支持块数据的传输以及包括多部分负载的其他负载类型。现在，结合使用支持多部分有效载荷类型的3D传感器，GigEVision2接口现在可以在使用grab_data或grab_data_async时直接创建ObjectModel3D 。

HALCON 18.05进展的主要新功能

深度学习的CPU推理

使用HALCON 18.05，您可以执行深度学习推理，即在CPU上将训练有素的卷积神经网络（CNN）应用于新数据。

此CPU推论已针对Intel®兼容x86处理器进行了高度优化。结果，标准的Intel CPU可以达到与中端图形处理器（GPU）相当的推理执行时间。

消除了对专用GPU的需求，大大提高了操作灵活性。例如，通常不是为容纳大型而强大的GPU而设计的工业PC现在可以轻松地用于基于深度学习的分类。

深度学习分类器的可变输入图像大小

现在，您可以调整深度学习分类器的输入图像大小。这可以通过保留相对较小的相关信息（例如，大图像中的非常小的缺陷）来帮助改善分类结果。如果较小的图像足以满足给定的目的，则减小输入图像的大小可以加快分类速度。

增强偏转

HALCON 17.12中引入的偏转测量功能现在包括一种新的图案类型，可提高错误检测的精度和鲁棒性，尤其是在部分镜面表面（如上光的金属板）上。

改进的条形码阅读器

HALCON 18.05具有优化的边缘检测功能，可以提高可靠读取具有很小线宽的条形码以及强烈模糊的条形码的能力。此外，条形码的质量也根据ISO / IEC 15416标准的最新版本进行了验证。

HDevEngine的改进

HDevelop库导出功能已得到扩展：开发人员现在不仅可以在C ++中访问HDevelop过程，还可以通过导出的包装在.NET中访问HDevelop过程，就像本机函数一样轻松直观。这极大地促进了开发过程。

自动清除手柄

当不再需要手柄时，HALCON 18.05会自动清除这些手柄，使操作起来更加舒适。因为您不再需要手动释放未使用的内存，所以这大大降低了产生内存泄漏的风险。这样，编写“安全代码”现在变得更加简单。

3D改进

HALCON 18.05提供了用于基于表面的3D匹配的优化功能：这些功能可用于更可靠地确定对象在3D空间中的位置，从而使3D应用程序的开发更加容易。此外，HALCON现在还包括一个新的帮助程序，使开发人员可以快速检查和调试基于表面的匹配应用程序的参数和结果。

支持超中心镜片

现在，HALCON中的新相机模型可以校正使用超中心（也称为周中心）相机镜头记录的图像中的畸变。这些透镜可以同时描绘物体的多个侧面，从而可以对测试物体进行会聚视图。使用这种技术，用户只需要一个摄像头系统即可完成检查和识别任务，例如检查圆柱物体。

HALCON 19.05.0.0的主要新功能进展

关于Arm CPU的推断

使用HALCON 19.05，对所有三种深度学习技术（图像分类，对象检测和语义分割）的推理现在都可以在Arm®处理器上直接使用。由于这消除了对诸如强大的GPU或台式机CPU之类的特殊组件的需求，HALCON大大扩展了可能的深度学习应用程序的范围。

增强的物体检测

HALCON的基于深度学习的对象检测可对经过训练的对象类别进行本地化，并使用周围的矩形对其进行标识。HALCON 19.05现在还为用户提供了根据对象的方向对齐这些矩形的选项。由于矩形现在可以更紧密地匹配对象的形状，因此可以实现更精确的检测。

改进的基于表面的匹配

边缘支持的基于表面的匹配现在对于噪声点云更加健壮：用户可以通过多个最小分数控制表面和边缘信息的影响。此外，在没有可用的xyz图像或嘈杂的点云的情况下，新参数现在允许完全关闭3D边缘对齐。在嘈杂的点云的情况下，这使用户可以消除不足的3D数据对匹配结果的影响，同时保留宝贵的2D信息以进行曲面和2D边缘对齐。

增强的基于形状的匹配

使用HALCON 19.05，用户现在可以在使用基于形状的匹配时专门定义所谓的“杂波”区域。这些是搜索模型中不应包含任何轮廓的区域。将这样的混乱信息添加到搜索模型会导致更健壮的匹配结果，例如在重复结构的情况下。

加速

HALCON中的各种运算符已被加速。例如，根据图像类型和设置，在AVX2处理器上，affine_trans_image现在最高可提高230％。此外，根据插值方法的不同，polar_trans_image_ext的执行速度最高可提高

halcon20.05

亚像素条形码阅读器

条形码阅读器已通过高级解码算法进行了改进。因此，HALCON 20.05中的条形码读取器甚至能够读取元素大小小于1个像素的代码。

更强大的基于表面的3D匹配

使用HALCON 20.05，在几乎对称的对象的情况下，基于表面的3D匹配更加健壮。

特别是在组装行业中，必须稳固且精确地放置工件，以便进行进一步处理。通常，像小孔这样的属性是找到对象正确方向的唯一独特功能。

HALCON的基于表面的3D匹配现在可以利用这些功能来提高匹配结果的准确性和鲁棒性。

CPU深度学习培训

使用HALCON 20.05，可以在CPU上进行所有深度学习技术的培训。通过消除对专用GPU的需求，现在也可以将标准的工业PC（无法容纳强大的GPU）用于培训。由于现在可以直接在生产线上进行培训，因此可以极大地提高客户在实施深度学习中的灵活性，从而可以“动态”调整应用程序以适应不断变化的外部条件。

进一步改进

更强大的通用Box Finder

与HALCON 19.11一起发布的通用盒查找器，使用户可以在预定义的高度，宽度和深度范围内找到不同大小的盒，而无需训练模型。使用HALCON 20.05，在健壮性，性能，速度和可用性方面进行了改进。现在，以健壮的方式找到各种大小不同的盒子变得容易得多。

瑕疵检测改进ANOMALY DETECTION

异常检测仅需要少量的高质量“良好”图像进行训练，就极大地促进了自动表面检查。使用HALCON 20.05，训练网络进行异常检测的速度现在快了10倍。结合更快的推理能力，这为尝试在新的和现有的应用程序上进行深度学习提供了全新的可能性：现在，培训新网络通常可以在几秒钟内完成，从而允许用户执行许多迭代来微调其应用程序而不会牺牲很多宝贵的时间。经过训练的网络现在还需要更少的内存和磁盘空间，这使得HALCON的异常检测更适合在嵌入式设备上使用。

CPU支持基于Grad-CAM的热图HEATMAP

基于Grad-CAM的热图（梯度加权类激活映射）可帮助您分析图像的哪些部分影响分类决策。在HALCON 20.05中，热图计算也可以在CPU上执行。由于可以在不显着降低速度的情况下完成此操作，因此客户现在可以“即时”分析其深度学习网络的班级预测。