Ausrichtungsdaten mit Matching bestimmen

Mit diesem Tool können Sie die Ausrichtungsdaten anhand einer Matching-Methode bestimmen.

Dieses Tool wird mit einem Trainingsmodus verwendet. Dabei wird zunächst ein Training der Ausrichtungsdaten mit festgelegten Trainingsparametern durchgeführt. Das Training beginnt automatisch, wenn Trainingsparameter festgelegt oder geändert werden.

Dafür verfügt das Tool über einen Trainingsbereich auf der linken Seite des Toolboards. Es bietet die Möglichkeit, durch Klicken auf das jeweilige Bild zwischen dem Verarbeitungsmodus für die Suche und dem Trainingsmodus zum Trainieren der Ausrichtungsdaten zu wechseln. Im Grafikfenster wird das Bild des derzeit aktiven Modus angezeigt, der im Trainingsbereich blau hervorgehoben wird. Zusätzlich zu den Suchparametern oben links stellt das Tool oben rechts im Tool weitere Parameter für das Training bereit.

Weitere Informationen zur Verwendung von Tools, für die ein Training erforderlich ist, finden Sie unter Im Trainingsmodus arbeiten.

Trainingsparameter

Trainingsbereich

Grafikfenster

Trainingseinstellungen definieren

Trainingsbild auswählen

Für dieses Tool kann nur ein Bild als Trainingsbild verwendet werden. Wenn das Tool eingefügt wird, wird das aktuelle Verarbeitungsbild automatisch als Trainingsbild verwendet. Sie können auch die folgenden Schritte ausführen, um das Trainingsbild zu ändern:

Führen Sie die Anwendung in Einzelschritten aus, bis das gewünschte Bild im Grafikfenster und somit im „Verarbeitungsbereich“ angezeigt wird.
Klicken Sie auf die Schaltfläche im Trainingsbereich auf der linken Seite, um das aktuelle Trainingsbild durch das Bild im „Verarbeitungsbereich“ zu ersetzen. Der Trainingsmodus wird automatisch aktiviert und das neue Trainingsbild wird im Grafikfenster angezeigt.

Matching-Modell auswählen

Für dieses Tool sind easyTouch und easyTouch+ verfügbar. Das heißt, Sie können das Matching-Modell für die Ausrichtung wie folgt interaktiv auswählen:

Klicken Sie auf das Trainingsbild im linken Bereich des Toolboards. Das Trainingsbild wird im Grafikfenster angezeigt und Sie können mit der Auswahl des Matching-Modells beginnen.
Bewegen Sie die Maus über das Bild, um eine Vorschau der ROI für das Modell zu erhalten. Sie können mithilfe der Schaltflächen zur ROI-Auswahl auch eine Modell-ROI zeichnen. Wenn Sie easyTouch verwenden, um das Modell auszuwählen, zeigt die Farbe der in der Vorschau angezeigten Modell-ROI an, inwieweit die ROI, d. h. das Objekt im Rechteck, für das Training geeignet ist. Genauigkeit, Maßstab und Drehungsinvarianz hängen von Kontrast, Größe und Form des zugrunde liegenden Objekts ab. Die verschiedenen Farben haben folgende Bedeutung:
- Eine wahrscheinlich gute Modell-ROI wird in der definierten Farbe für „akzeptiert“ hervorgehoben (standardmäßig grün).
- Wird die Modell-ROI in der definierten Farbe für „Warnung“ hervorgehoben (standardmäßig gelb), eignet sie sich nicht sehr gut für das Training, möglicherweise aufgrund fehlender Modellkanten oder einer zu geringen Anzahl von Modellkanten.
- Eine schlechte Modell-ROI wird in der definierten Farbe für „zurückgewiesen“ hervorgehoben (standardmäßig rot). Wenn das Rechteck sehr nah am Bildrand liegt, erfolgt die Darstellung in Rot, da das Objekt in den verarbeiteten Bildern u. U. nur teilweise sichtbar ist.
Klicken Sie auf die ROI, wenn Sie die hervorgehobene ROI für die Ausrichtung verwenden möchten, um die Auswahl zu bestätigen. Die entsprechenden Trainingsparameter werden automatisch bestimmt.

Um die Stabilität des Trainings im Hinblick auf Abweichungen der Drehung zu vergrößern, wird empfohlen, zwei verschiedene Modell-ROIs auszuwählen und ein Matching-Modell mit zwei ROIs zu trainieren, die im Idealfall auf gegenüberliegenden Seiten des Bildes liegen.

Sucheinstellungen definieren

Suchparameter anpassen

Im Gegensatz zu den Trainingsparametern werden die Suchparameter auf der linken Seite nicht automatisch angepasst. Sie hängen von den Bildern Ihrer Anwendung ab und müssen entsprechend angepasst werden.

Sie können überprüfen, ob die aktuellen Einstellungen der Trainings- und Suchparameter geeignet sind. Wenn Sie die Anwendung mit mehreren Bildern ausführen, können Sie im Grafikfenster sofort feststellen, ob das Matching-Modell in allen Bildern ordnungsgemäß gefunden wurde. Bei Bedarf können Sie weitere Anpassungen an den Parametern vornehmen.

Bereichseinschränkungen

Die Objekte werden innerhalb eines Bereichs gesucht, der durch den „Verarbeitungsbereich“ und die ROI bestimmt wird. Ein Objekt wird ausgegeben, wenn sein Schwerpunkt innerhalb dieses Suchbereichs liegt. Falls der Schwerpunkt außerhalb der Objekte im Suchbereich liegt, ist der Suchbereich so anzupassen, dass der Schwerpunkt innerhalb des Suchbereichs liegt. Dadurch wird sichergestellt, dass das Objekt gefunden wird. Objekte, die teilweise außerhalb des Bildes liegen, werden bei der Verarbeitung ignoriert.

Parameter

Standardparameter

Bild:

Dieser Parameter stellt das Eingabebild dar, das bei der Verarbeitung dieses Tools verwendet wird. Es kann entweder als Trainingsbild für die Bestimmung der „Ausrichtungsdaten“ oder als Verarbeitungsbild zum Testen der festgelegten „Ausrichtungsdaten“ sowie der aktuellen Parametereinstellung für das Training verwendet werden.

Bei der Verwendung eines Farbbilds als Eingabebild für dieses Tool wird nur der erste Kanal, d. h. der rote Kanal, für die Verarbeitung verwendet.

Mindestbewertung:

Dieser Parameter gibt die Genauigkeit des Matching-Vorgangs an. Er wird für die Suche des Modells verwendet und bestimmt, wie viel des Trainingsmodells im Bild sichtbar sein muss, damit ein übereinstimmendes Objekt gefunden wird. Die Standardeinstellung ist 0,5. Damit kann die Hälfte des Modells im Bild verdeckt sein. Sie können den Wert über die zugehörige Verbindungsstelle ändern. Der Wert kann eine Zahl zwischen „0,1“ und „1“ sein. Je höher die „Mindestbewertung“, desto schneller ist die Suche. Wenn davon auszugehen ist, dass das Modell in den Bildern niemals verdeckt wird, kann ein hoher Wert für die „Mindestbewertung“ eingegeben werden, d. h. 0,8 oder sogar 0,9. Andernfalls müssen Sie u. U. den Wert dieses Parameters verkleinern, um Übereinstimmungen in Bildern zu finden, in denen ein Großteil des trainierten Modells verdeckt ist.

Zur Beschleunigung der Suche wird eine sogenannte Pyramide von verkleinerten Bildern verwendet. Eine Übereinstimmung benötigt eine Bewertung, die auf jeder Ebene groß genug ist, um als solche erkannt zu werden. Dies kann dazu führen, dass Übereinstimmungen ausgeschlossen werden, obwohl deren Bewertung im Originalbild größer ist als die minimale Bewertung, weil sie auf einer höheren Verkleinerungsebene nicht ausreichend erkennbar sind. Diese ausgelassenen Übereinstimmungen können mit einer geringeren Mindestbewertung gefunden werden.

Sie können die aktuelle „Mindestbewertung“ überprüfen, indem Sie die Anwendung schrittweise ausführen und prüfen, ob die Anwesenheit der Objekte in allen Bildern ordnungsgemäß ermittelt wird.

Orientierungstoleranz:

Dieser Parameter definiert den Toleranzwert für die Drehung des Matching-Modells. Er wird für die Suche des Modells verwendet und bestimmt, wie weit die Drehung möglicher Übereinstimmungen in den Suchbildern von der Drehung des Modells im Trainingsbild abweichen darf. Er wird in Grad angegeben. Die Standardeinstellung ist 20°. Sie können über die zugehörige Verbindungsstelle die „Orientierungstoleranz“ ändern und einen Winkel zwischen 0° und 180° festlegen. Wenn der Bereich der Drehung, mit der die Modelle in den Suchbildern vorhanden sind, bekannt ist, können Sie den Wert der „Orientierungstoleranz“ entsprechend anpassen.

Zusätzliche Parameter

ROI:

Dieser Parameter definiert die ROI für die Verarbeitung. Bildteile außerhalb der Vereinigung von ROI und „Verarbeitungsbereich“ werden nicht verarbeitet.Wenn zudem einer der Bereiche leer ist, wird der Bildteil, der innerhalb des jeweils anderen liegt, verarbeitet. Sind beide leer, wird das gesamte Bild verarbeitet.

Die ROI ist standardmäßig als leere ROI definiert. Wenn Sie eine nicht leere ROI für die Verarbeitung verwenden möchten, müssen Sie den Parameter mit einem geeigneten ROI-Ergebnis eines vorherigen Tools verbinden oder mit den verfügbaren ROI-Schaltflächen neue ROIs zeichnen. Wenn Sie ein ROI-Ergebnis eines vorherigen Tools verwenden, können Sie mit den ROI-Schaltflächen weitere ROIs zeichnen.

Die Vereinigung der definierten ROI und des „Verarbeitungsbereichs“ wird als Suchbereich für das trainierte Modell verwendet. Es kann ausreichend sein, wenn nur ein Teil des trainierten Modells, z. B. nur eine der beiden Modell-ROIs, im Suchbereich liegt, um eine Übereinstimmung zu finden. Wenn das trainierte Modell außerhalb dieses Bereichs liegt, wird es nicht gefunden.

Deformationstoleranz:

Dieser Parameter definiert die maximal zulässige Deformation des Objekts. Er wird in Pixeln angegeben und ist standardmäßig auf 1 px festgelegt. Dies bedeutet, dass auch Objekte gefunden werden, die hinsichtlich der Form des Trainingsmodells Deformationen von bis zu 1 Pixel aufweisen. Sie können den Wert über die zugehörige Verbindungsstelle ändern und einen ganzzahligen Wert zwischen 0 und 5 px sowie darüber festlegen, wenn Sie den Wert manuell eingeben. Wenn Sie den Wert auf 0 px festlegen, werden nur Objekte ohne Deformationen gefunden. Je höher die „Deformationstoleranz“, desto höher ist allerdings das Risiko, dass nicht die richtigen Objekte gefunden werden. Dies gilt vor allem für Objekte mit feinen Strukturen.

Die „Deformationstoleranz“ sollte daher so niedrig wie möglich, aber so hoch wie nötig sein. Wenn das Ausmaß der Deformation des Modells, die in den Bildern zu erwarten ist, bekannt ist, können Sie den Wert für die „Deformationstoleranz“ entsprechend anpassen. Die „Deformationstoleranz“ ist nur gültig, wenn „Matching-Methode - Training“ auf „formbasiert“ festgelegt ist.

Größentoleranz:

Dieser Parameter definiert einen Toleranzwert für die Größe des Matching-Modells. Er wird in Pixeln angegeben und ist standardmäßig auf 0 px festgelegt. Dies bedeutet, dass das Modell dieselbe Größe in den Bildern aufweisen muss wie das trainierte Modell, um als Übereinstimmung klassifiziert zu werden. Sie können den Parameter „Größentoleranz“ über die zugehörige Verbindungsstelle ändern und einen ganzzahligen Wert zwischen 0 und 20 px festlegen. Die „Größentoleranz“ ist nur gültig, wenn „Matching-Methode - Training“ auf „formbasiert“ festgelegt ist.

Verarbeitungsbereich:

Dieser Parameter definiert die Region für die Verarbeitung. Bildteile außerhalb der Vereinigung von ROI und „Verarbeitungsbereich“ werden nicht verarbeitet. Wenn zudem einer der Bereiche leer ist, wird der Bildteil, der innerhalb des jeweils anderen liegt, verarbeitet. Sind beide leer, wird das gesamte Bild verarbeitet.

„Verarbeitungsbereich“ ist standardmäßig als leere Region definiert. Wenn Sie eine „Verarbeitungsbereich“ angeben möchten, müssen Sie den Parameter mit einem geeigneten Ergebnis eines vorherigen Tools verbinden, damit die Region an dieses Tool übertragen wird.

Bei Verwendung von easyTouch zur Auswahl des Matching-Modells wird das ganze Bild bei der Verarbeitung verwendet. Das heißt, dass das trainierte Modell abhängig von den Einstellungen von z. B. „Orientierungstoleranz“ an einer anderen Stelle im Verarbeitungsbild gefunden wird.

Trainingsparameter

Standard-Trainingsparameter

Matching-Methode - Training:

Dieser Trainingsparameter definiert das Matching-Modell, das für die Bestimmung des Trainingsmodells verwendet wird. Der Parameter ist standardmäßig auf „formbasiert“ festgelegt. Sie können den Parameter Matching-Methode - Training über die zugehörige Verbindungsstelle ändern.

Wert	Beschreibung
formbasiert	Dieser Matching-Ansatz beschreibt das Trainingsmodell anhand seiner Konturformen. Verwenden Sie diese Methode, wenn die „Ausrichtungsdaten“ anhand einer Matching-Methode bestimmt werden sollen, die die besten Übereinstimmungen eines formbasierten Modells in einem Bild findet.
korrelationsbasiert	Dieser Matching-Ansatz beschreibt das Trainingsmodell anhand der Grauwertrelationen der enthaltenen Pixel. Verwenden Sie diese Methode, wenn die „Ausrichtungsdaten“ anhand einer Matching-Methode bestimmt werden sollen, die für die Suche nach übereinstimmenden Objekten und Mustern eine normalisierte Kreuzkorrelation (NCC) verwendet.

Wert

Beschreibung

formbasiert

Dieser Matching-Ansatz beschreibt das Trainingsmodell anhand seiner Konturformen.

Verwenden Sie diese Methode, wenn die „Ausrichtungsdaten“ anhand einer Matching-Methode bestimmt werden sollen, die die besten Übereinstimmungen eines formbasierten Modells in einem Bild findet.

korrelationsbasiert

Dieser Matching-Ansatz beschreibt das Trainingsmodell anhand der Grauwertrelationen der enthaltenen Pixel.

Verwenden Sie diese Methode, wenn die „Ausrichtungsdaten“ anhand einer Matching-Methode bestimmt werden sollen, die für die Suche nach übereinstimmenden Objekten und Mustern eine normalisierte Kreuzkorrelation (NCC) verwendet.

Zusätzliche Trainingsparameter

Die zusätzlichen Trainingsparameter werden der jeweiligen Matching-Methode entsprechend aufgelistet. Parameter anderer Methoden haben keinen Einfluss auf das resultierende Trainingsmodell.

Trainingsparameter für das formbasierte Matching

Suchkantenkontrast - Training

Dieser Trainingsparameter definiert den Kantenkontrast, der bei der Suche der Objekte in den Trainingsbildern verwendet wird. Er wird in Grauwerten angegeben und ist standardmäßig auf 5 festgelegt. Das heißt, dass Objekte mit einem Kontrast von mindestens 6 Grauwerten gefunden werden. Es gibt verschiedene Möglichkeiten, um den Kantenkontrast festzulegen:

Automatisch miteasyTouch
Verwenden Sie easyTouch, um die Objekte im Trainingsbild auszuwählen. Der Parameterwert wird automatisch Ihrer easyTouch-Auswahl entsprechend angepasst.
Automatisch mit ROIs
Legen Sie den Kantenkontrast an der Verbindungsstelle manuell auf 0 fest und zeichnen Sie eine Modell-ROI über die einzelnen Teile im Trainingsbild, für die der Kantenkontrast bestimmt und für die Suche verwendet werden soll. Das Tool erkennt automatisch alle möglichen Objekte mit einem Kontrast. Wenn Sie weitere Objekte als Referenz für den Kantenkontrast hinzufügen möchten, müssen Sie die Modell-ROI manuell in das Bild zeichnen. Der Parameterwert an der Verbindungsstelle bleibt 0, bis Sie den Wert manuell ändern oder easyTouch verwenden.
Manuell
Legen Sie den gewünschten Kantenkontrast an der Verbindungsstelle manuell fest und zeichnen Sie eine Modell-ROI über die einzelnen Teile im Trainingsbild, für die Sie die Kanten mit dem definierten Kantenkontrast ermitteln möchten. Sie können den Wert mit dem Schieberegler festlegen oder einen Wert zwischen 1 und 1.000.000.000 in das Textfeld eingeben. Es werden alle möglichen Objekte gefunden, die zum definierten Kantenkontrast passen. Wenn Sie weitere Objekte als Referenz für das Training hinzufügen möchten, müssen Sie die Modell-ROI manuell in das Bild zeichnen. Wenn Sie easyTouch zum Auswählen der Objekte verwenden, wird der Parameterwert automatisch angepasst, sodass die vorher definierte Einstellung verloren geht.

Polaritätsmetrik - Training

Der Parameter bestimmt die Bedingungen, unter denen das Modell im Bild erkannt wird. Die Standardeinstellung ist „Polarität verwenden“.

Wert	Beschreibung
Polarität verwenden	Wenn diese Polaritätsmetrik verwendet wird, müssen das Objekt im Trainingsbild und das Verarbeitungsbild den gleichen Kontrast aufweisen. Wenn das Modell beispielsweise ein helles Objekt auf einem dunklen Hintergrund ist, wird das Objekt nur gefunden, wenn es ebenfalls heller als der Hintergrund ist. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.
Farbpolarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann gefunden, wenn sich der Farbkontrast lokal ändert, z. B. bei einer Änderung der Objektfarbe von grün in rot. Dieser Modus ist nützlich, wenn Sie vorab nicht wissen, in welchen Kanälen das Objekt sichtbar ist. Die Laufzeit im Verarbeitungsmodus kann bei dieser Polaritätsmetrik jedoch erheblich größer werden. Diese Metrik kann für Bilder mit einer beliebigen Anzahl von Kanälen verwendet werden. Bei Verwendung für einkanalige Bilder ist die Auswirkung wie bei „lokale Polarität ignorieren“. Die Anzahl der Kanäle bei der Erstellung des Trainingsmodells und der Suche muss nicht übereinstimmen. Dies bietet die Möglichkeit, ein Modell aus einem synthetisch generierten, einkanaligen Bild zu erstellen. Darüber hinaus müssen die Kanäle keine spektrale Unterteilung des Lichts wie in einem RGB-Bild enthalten. Die Kanäle können auch Bilder des gleichen Objekts enthalten, die bei Beleuchtung des Objekts aus unterschiedlichen Richtungen entstanden sind.
globale Polarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann im Bild gefunden, wenn der Kontrast global umgekehrt wird. Ist das Objekt beispielsweise ein helles Objekt auf einem dunklen Hintergrund, wird das Objekt nicht nur dann gefunden, wenn es heller als der Hintergrund ist (wie bei "Polarität verwenden"), sondern auch, wenn es dunkler als der Hintergrund ist. In diesem Fall wird die Laufzeit im Verarbeitungsmodus geringfügig größer. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.
lokale Polarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann gefunden, wenn sich der Kontrast lokal ändert. Dies ist nützlich, wenn das Objekt aus einem Teil mit einem mittleren Grauwert besteht, in dem sich dunklere oder hellere Teilobjekte befinden. Die Laufzeit im Verarbeitungsmodus kann bei dieser Polaritätsmetrik jedoch erheblich größer werden. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.

Trainingsparameter für das korrelationsbasierte Matching

Polaritätsmetrik - Training

Der Parameter bestimmt die Bedingungen, unter denen das Modell im Bild erkannt wird. Die Standardeinstellung ist „Polarität verwenden“.

Wert	Beschreibung
Polarität verwenden	Wenn diese Polaritätsmetrik verwendet wird, müssen das Objekt im Trainingsbild und das Verarbeitungsbild den gleichen Kontrast aufweisen. Wenn das Modell beispielsweise ein helles Objekt auf einem dunklen Hintergrund ist, wird das Objekt nur gefunden, wenn es ebenfalls heller als der Hintergrund ist. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.
Farbpolarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann gefunden, wenn sich der Farbkontrast lokal ändert, z. B. bei einer Änderung der Objektfarbe von grün in rot. Dieser Modus ist nützlich, wenn Sie vorab nicht wissen, in welchen Kanälen das Objekt sichtbar ist. Die Laufzeit im Verarbeitungsmodus kann bei dieser Polaritätsmetrik jedoch erheblich größer werden. Diese Metrik kann für Bilder mit einer beliebigen Anzahl von Kanälen verwendet werden. Bei Verwendung für einkanalige Bilder ist die Auswirkung wie bei „lokale Polarität ignorieren“. Die Anzahl der Kanäle bei der Erstellung des Trainingsmodells und der Suche muss nicht übereinstimmen. Dies bietet die Möglichkeit, ein Modell aus einem synthetisch generierten, einkanaligen Bild zu erstellen. Darüber hinaus müssen die Kanäle keine spektrale Unterteilung des Lichts wie in einem RGB-Bild enthalten. Die Kanäle können auch Bilder des gleichen Objekts enthalten, die bei Beleuchtung des Objekts aus unterschiedlichen Richtungen entstanden sind.
globale Polarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann im Bild gefunden, wenn der Kontrast global umgekehrt wird. Ist das Objekt beispielsweise ein helles Objekt auf einem dunklen Hintergrund, wird das Objekt nicht nur dann gefunden, wenn es heller als der Hintergrund ist (wie bei "Polarität verwenden"), sondern auch, wenn es dunkler als der Hintergrund ist. In diesem Fall wird die Laufzeit im Verarbeitungsmodus geringfügig größer. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.
lokale Polarität ignorieren	Bei Verwendung dieser Polaritätsmetrik wird das Modell auch dann gefunden, wenn sich der Kontrast lokal ändert. Dies ist nützlich, wenn das Objekt aus einem Teil mit einem mittleren Grauwert besteht, in dem sich dunklere oder hellere Teilobjekte befinden. Die Laufzeit im Verarbeitungsmodus kann bei dieser Polaritätsmetrik jedoch erheblich größer werden. Diese Metrik kann nur auf einkanalige Bilder angewendet werden. Wird ein mehrkanaliges Bild als Trainingsbild oder Verarbeitungsbild verwendet, wird nur der erste Kanal verwendet.

Ergebnisse

Standardergebnisse

Ausrichtungsdaten:

Dieses Ergebnis gibt die trainierten Ausrichtungsdaten aus, die für die Ausrichtung von Bildern erforderlich sind.

Bewertung:

Dieses Ergebnis gibt einen numerischen Wert aus, der das Maß der Übereinstimmung des gefundenen Objekts mit dem gesuchten trainierten Modell angibt. Die Ausgabe erfolgt als reelle Zahl zwischen 0 und 1. Wenn die „Bewertung“ den Wert 1 aufweist, stimmt das gefundene Objekt mit einer Genauigkeit von 100 % mit dem trainierten Modell überein.

Toolstatus:

„Toolstatus“ gibt Informationen zum Status des Tools aus und kann daher für die Fehlerbehandlung verwendet werden. Weitere Informationen zu den verschiedenen Toolstatus-Ergebnissen finden Sie unter Toolstatus-Ergebnis.

Zusätzliche Ergebnisse

Modellkanten:

Dieses Ergebnis gibt die Kontur der Kanten des Trainingsmodells aus.

Orientierungspfeil:

Dieses Ergebnis gibt den Pfeil für die Anzeige der Orientierung der Modell-ROI aus, die für das Training verwendet wurde. Es wird als Kontur ausgegeben.

Verarbeitungszeit:

Dieses Ergebnis gibt die Dauer der letzten Ausführung des Tools in Millisekunden aus. Das Ergebnis wird als zusätzliches Ergebnis bereitgestellt. Es ist daher standardmäßig ausgeblendet, kann aber über die Schaltfläche neben den Toolergebnissen angezeigt werden. Weitere Informationen finden Sie im Abschnitt Verarbeitungszeit in der Tool-Referenz-Übersicht.

Anwendungsbeispiele

Dieses Tool wird in den folgenden MERLIC-Vision-App-Beispielen verwendet:

adapt_brightness_for_measuring.mvapp
check_bent_leads.mvapp
check_pen_parts.mvapp
check_saw_angles.mvapp
check_single_switches.mvapp
detect_anomalies_of_bottles.mvapp
determine_circle_quality.mvapp
measure_distance_to_center_led.mvapp
read_best_before_date_with_orientation.mvapp
read_text_in_3d_height_image.mvapp