Den Turbo eingeschaltet


Mustererkennung und Posenschätzung

Das Bildverarbeitungs-Tool Polimago erweitert CVB um ein Werkzeug zur schnellen und robusten Mustererkennung und Posenschätzung. Durch das automatische Erstellen von Trainingsbildern reduziert sich der Aufwand während des Anlernens erheblich. Damit eine Mustererkennung unter realen Bedingungen zuverlässig funktioniert, muss das Trainingsmodell eine ausreichende Variabilität aufweisen. Werden geometrische Transformationen wie Drehungen, Größenänderungen, Verkippungen, Verdeckungen oder Änderungen in der Beleuchtungssituation bereits in der Trainingsphase angelernt, steigt die Erkennungsrate im späteren Prozess. Bislang war der Aufwand für das Anlernen variabler Trainingsbilder sehr hoch, wenn die möglichen geometrischen Transformationen umfassend in die Lernmenge einfloßen. Mit Polimago wurde ein Mustererkennungs-Tool entwickelt, das seinen Anwendern in der Trainingsphase Zeit spart: Der Algorithmus generiert während des Anlernens künstliche Ansichten des Modells, um die verschiedenen Lagen eines Bauteils in der Realität zu simulieren. So lernt er die Variabilität des vorliegenden Musters und kann das Trainingsbild selbst bei unterschiedlichen Ansichten mit höherer Erkennungsrate identifizieren. Das neue Tool wird als optionales Modul der CVB-Bibliothek angeboten und erlaubt neben der verbesserten Anlernphase auch eine besonders hohe Ausführungsgeschwindigkeit, die den Einsatz in Echtzeit-Anwendungen ermöglicht.

Plattformen & Betriebssysteme

Bezüglich der Hardwareunterstützung erweitert CVB 2016 die bereits bestehenden Möglichkeiten um ARM-Plattformen sowie um Odroid System on Chip-Varianten (SoC) wie z.B. Samsung Exynos5422. Diese enorm günstigen Systeme basieren z.B. auf Cortex A7- oder A15-Prozessoren mit bis zu 2GHz und Octa Core-CPUs, die hochperformante Bildverarbeitung auf extrem kompakten und flexiblen Plattformen ermöglichen. Auf der Seite der Betriebssysteme deckt die neue Version 32 und 64Bit unter Windows und Linux (Ubuntu, Mint, Kubuntu) ab. Auch das OpenEmbedded Linux-Betriebssystem Yocto, das eine individuelle Zusammenstellung der OS-Bestandteile und damit eine Optimierung des Footprints des Systems erlaubt, wird unterstützt, ebenso wie Multi-Kamerasysteme. Zudem steht mit dem Test- und Benchmark-Programm CVB Viewer eine leistungsfähige Möglichkeit zur Analyse der Bilderfassung zur Verfügung. Eine weitere Neuerung ist das Code-Grading im Barcode-Lese-Tool CVB Barcode. Diese Funktionalität liefert für 1D- und Datamatrix- sowie für QR-Codes Informationen zur Qualität gelesener Codes.

Seiten: 1 2Auf einer Seite lesen

Themen:

| Fachartikel

Ausgabe:

inVISION 1 2016
Stemmer Imaging GmbH

Das könnte Sie auch Interessieren