3D 视觉技术 - 3D 匹配
Please note: Once you watch the video, data will be transmitted to Youtube/Google. For more information, see Google Privacy.
借助 3D 匹配，即使只有一台相机或深度传感器，也可以识别任意 3D 对象并确定其 3D 姿态。 MVTec HALCON 的 3D 匹配尤其适用于 3D 对齐，即从普通或视差图确定 3D 物体的 3D 位置和朝向，例如汽车和机器人应用、拾取和放置应用（参见右侧视频中的示例）以及抓取应用。
3D 深度匹配 Deep 3D Matching
HALCON 引入了一项基于深度学习的 3D 视觉创新，尤其适用于料箱抓取和拾取放置等应用。该功能在精确确定训练对象的位置和旋转方面表现非常稳定，具有参数设置简单、执行速度快的优势。根据不同的精度要求，用户可以使用一个或多个经济高效的标准 2D 相机来确定物体位置。训练过程完全基于由 CAD 模型生成的合成数据，因此无需额外的训练。用户在HALCON24.11中即可使用此功能，为此，请随时联系MVTec关于模型训练及应用评估事项。在HALCON的下一版本中，我们将推出该功能的训练及评估。
通用盒查找器
对于取放应用，HALCON 提供了通用盒查找器。 它允许用户在预定义的高度，宽度和深度范围内定位不同大小的盒子，而无需训练模型。 这使许多应用的效率显著提高-特别是在物流和制药行业，通常使用各种不同尺寸的盒子。
另一种应用的可能性是在 3D 对齐后测量几何特征并在复杂的 3D 对象上定位缺陷。
3D 匹配（基于形状 不 基于表面
进一步地，还可以在 3D 对齐后测量复杂 3D 物体的几何特征并定位缺陷。
对普通图像中的物体确定其 3D 姿态时，可以使用基于形状的 3D 匹配。它通过使用由 CAD 模型表示的 3D 物体的多个 2D 映射图，将基于形状的 2D 匹配技术扩展到 3D。对视差图中的物体确定其 3D 姿态时，可以使用基于表面的 3D 匹配。它结合了 3D 点云数据和视差图的边缘信息。因此，即使是没有突出边缘，在普通图像中不会显示出明显灰度值边缘的平滑物体，也能稳定可靠地确定姿态。为了获得最高精准度，两种方法都支持在全 3D 空间中进行姿态优化。
