首页 > 其他分享 >VisionPro机器视觉案例 之 火花塞

VisionPro机器视觉案例 之 火花塞

时间:2024-11-15 20:20:09浏览次数:3  
标签:VisionPro 画线 火花塞 label Add 尺寸 视觉 工具 DPL

第六篇 机器视觉案例 之 火花塞

文章目录

1.案例要求

火花塞
工业相机下火花塞的图像
火花塞图片
需要测量的尺寸如下图:A、B、C尺寸
火花塞尺寸测量

2.实现思路

2.1 A尺寸测量

即点a 到 线a 的距离,使用模板匹配确定点a位置,使用找线工具CogFindLineTool找到线a,再使用测量点到线的距离工具CogDistancePointLineTool测量出距离即尺寸AA尺寸测量

2.2 B尺寸测量

如图,B尺寸即点b到过点a线的距离,使用模板匹配工具得到点b坐标,画线工具得到过点a直线,使用点到线距离工具测量出距离即B尺寸
B尺寸

2.3 C尺寸测量

如图,C尺寸为点a到直线b的距离,画线工具CogCreateLineTool画一条过点b直线b,点a在2.1已经找到,再使用点到线距离工具测出距离即C尺寸
C尺寸

3.使用控件

3.1 模板匹配工具 —— CogPMAlignTool

点a模板匹配
A点模板匹配
点b模板匹配界面
b模板匹配界面

3.2 找线工具 —— CogFindLineTool

找线工具找到线a
找线工具

3.3 画线工具 —— CogCreateLineTool

画线工具画出过点a的直线
过a直线

画线工具画出线b
线b界面

3.4 点到线距离工具 —— CogDistancePointLineTool

A尺寸测量界面,在左侧工具栏将点、线输入给工具,其余两个尺寸类似
A尺寸界面

4.代码逻辑

	List<CogDistancePointLineTool> DPL = new List<CogDistancePointLineTool>();
    DPL.Add(mToolBlock.Tools["CogDistancePointLineTool1"] as CogDistancePointLineTool);
    DPL.Add(mToolBlock.Tools["CogDistancePointLineTool2"] as CogDistancePointLineTool);
    DPL.Add(mToolBlock.Tools["CogDistancePointLineTool3"] as CogDistancePointLineTool);
    List<CogPMAlignTool> CPMA = new List<CogPMAlignTool>();
    CPMA.Add(mToolBlock.Tools["CogPMAlignTool2"] as CogPMAlignTool);
    CPMA.Add(mToolBlock.Tools["CogPMAlignTool1"] as CogPMAlignTool);
    CPMA.Add(mToolBlock.Tools["CogPMAlignTool3"] as CogPMAlignTool);
    string[] name = {"A","B","C"};
    //声明控件
    gc.Clear();
    //清除集合内容
    for(int i = 0; i < 3; i++)
    {
      CogGraphicLabel label = new CogGraphicLabel();
      label.SetXYText(CPMA[i].Results[0].GetPose().TranslationX, CPMA[i].Results[0].GetPose().TranslationY, name[i]+"尺寸:"+DPL[i].Distance.ToString("F2"));
      label.Font = new Font("楷体", 25);
      label.Color = CogColorConstants.Magenta;
      gc.Add(label);
    }
    //输出A、B、C尺寸
    double distance_a = DPL[0].Distance;
    double distance_b = DPL[1].Distance;
    double distance_c = DPL[2].Distance;
    //获得距离
    CogGraphicLabel label_isok = new CogGraphicLabel();
    label_isok.Font = new Font("楷体",50);
    if((distance_a >= 285 && distance_a <= 295) && (distance_b >= 320 && distance_b <= 330) && (distance_c >= 585 && distance_c <= 595))
    { //这里假设A合格的范围为285-295 B合格的范围为320-330 C合格的范围为585-595
      label_isok.SetXYText(500, 500,"控件OK");
      label_isok.Color = CogColorConstants.Green;
    }else
    {
      label_isok.SetXYText(500, 500, "控件NG");
      label_isok.Color = CogColorConstants.Red;
    }
    gc.Add(label_isok);

5.实现效果

效果图

6.知识点总结

6.1 画线工具需要输入一个点,调整旋转角度来实现水平线或者铅垂线

标签:VisionPro,画线,火花塞,label,Add,尺寸,视觉,工具,DPL
From: https://blog.csdn.net/m0_63509358/article/details/143802765

相关文章

  • 出现了智能涌现效应!Vidu 引领视觉模型迈入上下文时代,无问芯穹Infini-AI异构云平台助力
    昨日,在Vidu上线逾百日之际,生数科技宣布Vidu1.5新版本(www.vidu.studio)问世,该版本实现了世界领先水平的突破:理解多样化的输入,突破“一致性”难题。无问芯穹作为生数科技重要战略产品伙伴,以Infini-AI异构云平台的澎湃算力和训练产品,助力生数科技模型迭代,持续引领视觉模型“一致......
  • 「人眼视觉不再是视频消费的唯一形式」丨智能编解码和 AI 视频生成专场回顾@RTE2024
       你是否想过,未来你看到的电影预告片、广告,甚至新闻报道,都可能完全由AI生成? 在人工智能迅猛发展的今天,视频技术正经历着一场前所未有的变革。从智能编解码到虚拟数字人,再到AI驱动的视频生成,这一领域的创新正以惊人的速度推进。这些进步不仅提升了技术指标,更为实时......
  • 人工智能AI→计算机视觉→机器视觉→深度学习→在ImageNet有限小样本数据集中学习深度
    前言:通过前篇《人工智能AI→计算机视觉→机器视觉→深度学习→在ImageNet有限小样本数据集中学习深度模型的识别任务实践》我们可以学到如何对实际生活、工作场景中的字符识别、人脸识别、图像类别进行识别的基于深度学习方法的技术路径实现具体包括:准备数据集制作、创建深......
  • 51c视觉~合集6
    我自己的原文哦~  https://blog.51cto.com/whaosoft/11603901#CSWin-UNet将自注意力机制集成到UNet中!CSWin-UNet:U型分割方法,显著提高计算效率和感受野交互!本文提出了CSWin-UNet,这是一种新颖的U型分割方法,它将CSWin自注意力机制集成到UNet中,以实现水平和垂直条纹的自注意力......
  • VisionPro 机器视觉案例 之 骰子点数识别
     第二篇 机器视觉案例之骰子点数识别目录 第二篇 机器视觉案例之骰子点数识别        1.案例要求2.案例思路3.使用控件4.代码逻辑5.效果实现6.总结1.案例要求图1工业相机下骰子图像识别每一个骰子朝上面的点数,并将点数表明在对......
  • 解锁视觉-文本双编码:CLIP类似模型的多GPU训练
    UnlockingVision-TextDual-Encoding:Multi-GPUTrainingofaCLIP-LikeModelROCmBlogs2024年4月24日,由SeanSong撰写。在本博客中,我们将构建一个类似CLIP的视觉-文本双编码器模型,并在AMDGPU上使用ROCm对其进行微调,使用COCO数据集。这项工作受到CLIP原理和HuggingF......
  • YoloV8改进策略:注意力改进|VOLO,视觉识别中的视觉展望器|即插即用|附代码+改进方法
    摘要论文介绍本文参考的是《VOLO:视觉识别中的视觉展望器》一文,该论文主要讨论了视觉识别领域中卷积神经网络(CNNs)与视觉转换器(ViTs)的性能对比,并提出了一个新的模型架构——VisionOutlooker(VOLO)。VOLO通过引入一种新颖的前景注意力机制(OutlookAttention),在ImageNet分类任务......
  • 24/11/11 算法笔记<视觉> 换脸,人脸特征点检测
    先介绍一下换脸的简单步骤1、提取两张图片的脸部特征点2、为两张图片创建mask3、进行映射变换使得人脸对齐4、使用opencv的泊松融合将两张图片合成我们直接上代码1.导入代码包importmediapipeasmpfrommediapipe.tasksimportpythonfrommediapipe.tasks.pythoni......
  • 单目视觉测量及双目视觉测量
    一、单目视觉测量     1.1原理部分讲解             单目视觉系统通过采集图像,将图像转换为二维数据,然后对采集的图像进行模式识别,通过图像匹配算法识别行驶过程中的车辆、行人、交通标志等,最后依据目标物体的运动模式和定位技术,估算目标物体与本车......
  • (水下)目标检测/深度学习/计算机视觉国内外知名课题组
    大方向:目标检测、深度学习、计算机视觉国内课题组:1、港中文MMdetection课题组-号称计算机视觉界的黄埔军校香港中文大学的MMDetection课题组是隶属于香港中文大学多媒体实验室(multimedialaboratory,theChineseUniversityofHongKong)的一个重要研究团队。该多媒体实验......