搜索 - MVTec Software

搜索范围

3D 抓取点检测与相关技术用于机器人 | MVTec

灵活且无需 CAD 的物体抓取 3D 抓取点检测 MVTec 的 3D 抓取点检测可以自动识别物体上的合适抓取表面——无需 CAD 模型或对零件形状及特性的先验知识。这项技术非常适合那些物体差异巨大、杂乱或不可预测的应用。与传统的料箱抓取方法不同，后者需要 CAD 模型或复杂的训练数据，3D 抓取点检测直接分析 3D 点云。这使得即使在无形、光滑、无结构或未知物体上，也能可靠地识别出稳固的抓取点。典型应用内部物流和仓储 → 抓取杂乱的箱子、袋子或包装退货管理与电子商务 → 处理高度可变、未知物品食品行业 → 抓取天然生长的产品自动化托盘化与卸托盘工作原理 3D 抓取点检测能够识别

显示更多

视角匹配与 3D 定位，仅使用一台相机 | MVTec

仅使用一台相机的 3D 定位视角匹配 MVTec 使用视角匹配技术，通过平面子区域确定物体的 3D 位置。该技术不需要完整的 3D 形状模型，只需一台相机。软件在定义的 ROI 内评估物体的平面区域。从该区域在相机图像中的投影中，软件计算物体在空间中的 3D 位置（位置和朝向）。该模型通过训练物体的模式图像来创建。该模式表示用于匹配的物体相关平面部分。典型应用视角匹配被广泛用于在无需创建完整 3D 模型的情况下精确确定物体的 3D 位置。这使得机器人抓取操作和测量过程可以更加稳健和高效地自动化。组件的 3D 对齐，适用于装配和检查过程。机器视觉中的拾取与放置应用。机器人进行的“料

显示更多

HALCON 遥测

HALCON 遥测作为软件提供商，我们的目标是为用户提供最出色的产品。了解他们的关注点、使用的功能以及运用我们软件的方式，对于实现这一目标至关重要。了解用户可以帮助我们认识到需要改进的内容，确定缺少的功能并提高整体易用性。我们提供匿名共享使用数据的选项，希望拉近我们与日常使用我们软件的用户之间的距离，让每位 HALCON 用户都能坦率表达心声，提供重要反馈。选择加入后，用户可以与 MVTec 共享以下类型的使用数据：系统信息：例如，操作系统、语言环境、区域、硬件和架构（例如屏幕分辨率或图形卡型号） HDevelop 使用情况统计：例如，系统信息（如 HALCON 版本和语言）、HD

显示更多

定制化嵌入式机器视觉解决方案 | MVTec Software

根据您的需求量身定制面向嵌入式视觉的定制化解决方案 MVTec 提供多种方案，可对其标准软件进行定制，以满足个性化需求。以下内容将介绍所支持的硬件以及面向嵌入式视觉提供的附加服务。针对您的嵌入式视觉需求的灵活软件移植如果您的硬件不符合我们标准平台的要求，我们的软件可以移植到不同的硬件架构上，例如 DSP 和专用 CPU。我们还支持多种操作系统，包括 Linux、Windows IoT、Android、iOS 和 VX-Works。以上仅为部分可实现配置的示例。请联系我们，以确认我们的软件是否能够适配您的特定硬件需求。我们还可针对图像采集、通信和许可技术的专用接口提供调整服务。我们的软

显示更多

开启 HALCON 旅程

开启 HALCON 旅程了解 MVTec HALCON 和 HDevelop – 其强大的集成开发环境（IDE）。在此介绍性视频中，我们将展示 HDevelop 的用户界面。您将了解 HDevelop 最重要的窗口，即图形窗口，程序窗口，算子窗口和变量窗口。此外，您还将学习如何逐步执行程序以及如何使用程序计数器和断点。下载您可以在此处下载本教程视频中使用的示例程序 ( zip文件 )： HDevelop GUI and Navigation

显示更多

HALCON 示例程序

HALCON 示例程序了解 MVTec HALCON 和 HDevelop – 其强大的集成开发环境（IDE）。在此介绍性视频中，我们将向您展示如何在 HDevelop 中搜索示例程序。

显示更多

用于机器人和拾取和放置的 3D 匹配与 3D 深度匹配 (Deep 3D 匹配) | MVTec

3D 空间中的精确物体定位 3D 匹配 MVTec 软件可检测物体并确定其 3D 位置，即使只使用一台相机或深度传感器也是如此。该技术主要用于 3D 对齐，通过标准 2D 图像或 3D 深度图像来确定物体的 3D 位置（位置、方位和朝向）。这在汽车制造与机器人、拾取和放置应用或“料箱拣选”中尤其有用。训练包含自动增强，以提高数据变化的多样性。 3D 深度匹配 3D 深度匹配将深度学习算法与基于规则的方法相结合，使得基于 2D 图像的物体检测具备异常快速和稳健的性能。由于该方法只需最小的参数设置，因此非常适合工业场景，甚至在背景变化、不同材料或部分遮挡等挑战性条件下也能保持高效。典型应用

显示更多

基于深度学习的异常检测 – 生产中的缺陷和故障检测 | MVTec

异常检测深度学习用于缺陷检测基于深度学习的异常检测实现了产品表面的自动化检测，并精确定位缺陷。与传统方法不同，异常检测无需手动标注训练数据。模型通过学习缺陷原始图像的模式，能够在新图像中检测到偏差区域，而无需依赖预定义的缺陷模式。这项技术对于表面检测特别有优势，因为它可以独立且可靠地定位缺陷。无论是变形的部件、缺失的零件，还是有缺陷的表面，异常检测都能快速且可靠地检测到。快速且高效优点无需标注 – 该方法只需要良好的图像进行训练。快速训练 – 训练只需要少量图像。高效的模型适应 – 训练和原型制作仅需几秒钟或几分钟。训练阶段所需的计算能力最小。该技术能够快速检测缺陷和

显示更多

基于深度学习的实例分割 – 精确的物体和缺陷检测 | MVTec

深度学习用于精确的物体定位实例分割实例分割结合了语义分割和物体检测的优势。物体在像素级别上被分配到特定类别，即使它们接触或重叠。这种基于深度学习的方法能够提取物体的精确边界和形状，即使在物体紧密排列的复杂场景中也能有效处理。实例分割非常适用于需要精确检测重叠物体的应用——例如，随机排列物体的箱子拾取或自然结构的检测。实例分割工作原理与语义分割不同，语义分割将每个像素分配给一个类别，而实例分割还考虑了每个物体的单独实例。这意味着，即使是同一物体类别的多个实例（例如多个苹果），也能被精确且独立地识别和分割。深度学习模型通过足够的训练数据进行训练，以识别和分割这些精确的物体边界。用

显示更多

通过 HALCON 动态 OCR 检测，实现产品质量的精准控制

在制药行业，严格的合规规定要求医疗产品包装在交付前必须正确标注。为了满足这些要求，中国公司深圳江润讯能科技通过 OCR 技术自动读取和验证印刷的字符编码，开发了一种强大的机器视觉解决方案。

显示更多

深度 OCR – 基于深度学习的工业应用光学字符识别 | MVTec

基于深度学习的光学字符识别深度 OCR – 像人类一样阅读深度 OCR 是一种基于深度学习的光学字符识别（OCR）方法，使机器视觉更接近人类的阅读能力。与现有的 OCR 算法相比，深度 OCR 可以更加稳健地定位字符，无论其方向、字体或极性如何。通过自动分组字符，可以识别整个单词。这显著提高了识别性能，避免了类似字符的误解读。深度 OCR 优点稳健的识别：深度 OCR 可以更精确地定位字符，即使是不同的字体和旋转角度。单词识别：字符的自动分组使得能够识别整个单词，相较于传统的 OCR 方法，显著提升了性能。提高稳定性：深度 OCR 可以处理大图像，并提供更好的整体稳定性。

显示更多

基于深度学习的边缘提取 – 精确的缺陷检测与物体识别 | MVTec

高效提取所需边缘深度学习边缘提取边缘提取是图像处理中的一个基本步骤，旨在识别图像中物体或结构的边界。深度学习提供了一种全新且强大的方法，能够从图像中提取边缘，即使在低对比度和噪声较大的环境中也能有效工作。这项技术能够可靠地提取图像中的多种边缘，特别适用于传统方法无法应对的情况。在 MVTec HALCON 中，基于深度学习的模型可以训练以高效提取仅需的边缘，无需大量编程。工作流程它是如何运作的基于深度学习的技术能够精确检测刹车盘中的边缘，即使在低对比度和噪声等挑战性条件下也能正常工作。使用少量图像进行训练深度学习模型通过少量图像进行训练，专门识别边缘结构。这使得模型能够快速响

显示更多

MVTec 新闻 —— 订阅我们的电子报，随时掌握最新动态

需要进一步咨询吗？