HALCON 19.05 Progress wurde im Mai 2019 veröffentlicht. Nachfolgend finden Sie eine Übersicht über einige der Features, die in dieser Version enthalten sind. Um mehr über die Funktionen der aktuellsten Version zu erfahren, klicken Sie hier.
Features
Nachfolgend finden Sie einen Überblick über die wichtigsten Features dieser Version. Eine detaillierte Übersicht finden Sie in den Release Notes.
Inferenz auf Arm Prozessoren
Mit HALCON 19.05 können Kunden die Deep-Learning-Inferenz direkt auf Arm®-Prozessoren ausführen. Dies ermöglicht es, Deep-Learning-Anwendungen auf Embedded-Geräten einzusetzen, ohne dass weitere dedizierte Hardware erforderlich ist. Alle drei Deep-Learning-Technologien (Bildklassifikation, Objektdetektion und semantische Segmentierung) werden unterstützt und laufen somit "out-of-the-box" auf Arm-basierten Embedded-Geräten.
Erweiterte Objektdetektion
HALCONs deep-learning-basierte Objektdetektion lokalisiert trainierte Objektklassen und identifiziert sie mit einem umschreibenden Rechteck (sog. Bounding Box). HALCON 19.05 gibt Anwendern nun auch die Option, diese Rechtecke an der Orientierung des Objekts ausrichten zu lassen. Dies ermöglicht eine präzisere Erkennung, da Rechtecke nun optimaler an die Form des Objekts angepasst sind.
Verbessertes oberflächenbasiertes Matching
Das kantengestützte oberflächenbasierte Matching ist nun robuster bei verrauschten Punktwolken: Benutzer können die Auswirkungen von Oberflächen- und Kanteninformationen jetzt mittels mehrerer Score-Werte kontrollieren. Falls keine XYZ-Bilder verfügbar sind, kann die 3D-Kantenausrichtung mit einem neuen Parameter nun vollständig abgeschaltet werden. Dies ermöglicht es dem Anwender, den Einfluss unzureichender 3D-Daten auf die Matching-Ergebnisse zu eliminieren und gleichzeitig die wertvollen 2D-Informationen für die Oberflächen- und 2D-Kantenausrichtung zu erhalten.
Erweitertes formbasiertes Matching
Mit HALCON 19.05 können Anwender beim formbasierten Matching nun gezielt so genannte "Clutter"-Bereiche definieren. Dies sind Bereiche innerhalb eines Suchmodells, die keine Konturen enthalten sollten. Das Hinzufügen solcher Clutter-Informationen zu dem Suchmodell führt zu robusteren Matching-Ergebnissen, beispielsweise bei repetitiven Strukturen.
Arm is a registered trademark of Arm Limited (or its subsidiaries) in the EU and/or elsewhere. All rights reserved.
Cookie Einstellungen
Unsere Website verwendet Cookies, um Ihnen ideale Funktionalitäten zu bieten. Durch Nutzung unserer Website ohne die Cookie-Einstellungen in Ihrem Browser zu ändern, stimmen Sie der Verwendung von Cookies zu. Weitere Informationen erhalten Sie in unserer Datenschutzerklärung.