マッチングによるアライメント

このツールでは、マッチング手法でアライメントデータを決定します。

このツールは、トレーニングモードとともに使用されます。 すなわち、アライメントデータの最初のトレーニングは、指定したトレーニングパラメーターで行われます。 トレーニングパラメータを設定するか変更するとトレーニングは自動的に開始します。

このツールのために、ツールボード の左にトレーニングエリアがあります。トレーニングエリアでは、個々の画像をクリックすれば、検索用の処理モードとアライメントデータのトレーニング用のトレーニングモード間で変更ができます。 グラフィックスウィンドウには、現在有効なモードの画像が表示され、トレーニングエリアで青色にハイライトされます。左上の検索パラメータに加えて、このツールには、右上にトレーニング用のパラメータが表示されます。

トレーニングが必要なツールの使用方法の詳細については、トピックトレーニングモードの使用を参照してください。

トレーニングパラメーター

トレーニングエリア

グラフィックウィンドウ

トレーニング設定の定義

トレーニング画像の選択

このツールで、トレーニング画像として使用できる画像はひとつだけです。ツールを挿入すると、現在の処理画像が自動的にトレーニング画像として使用されます。さらに、トレーニング画像は以下のステップでも変更できます:

1. 目的の画像が表示されるまで、グラフィックスウィンドウで、したがって、「処理」エリアでアプリケーションをシングルステップで実行します。
2. 左側のトレーニングエリアの ボタンをクリックして、現在のトレーニング画像を「処理」エリアの画像と置き換えます。トレーニングモードは自動的に有効になり、グラフィックスウィンドウに新しいトレーニング画像が表示されます。

マッチングモデル

このツールには easyTouch および easyTouch+ を利用することができます。 したがって、アライメント用のマッチングモデルを対話的に選択できます:

1. ツールボード の左側のトレーニング画像をクリックします。グラフィックスウィンドウにトレーニング画像 が表示されます。マッチングモデルを選択すると開始します。
2. 画像にマウスを合わせて、モデルの関心領域 (ROI) のプレビューを表示します。あるいは、ROI 選択ボタンでモデルの ROI を描画します。easyTouch でトレーニング用にモデルを選択するとき、プレビューしたモデル ROI の色 (長方形内のオブジェクトの色) を ROI の適合性を示すインジケーターとして利用できます。精度、スケール、回転不変性は、基本オブジェクトのコントラスト、サイズ、形状で決まります。各種の色には以下のような意味があります:
   • 良好であると思われるモデル ROI は、「合格」に定義された色 (例、デフォルトで緑色) でハイライトされます。
   • モデル ROI が「警告」に定義された色 (例、デフォルトで黄色) でハイライトされると、モデルエッジの欠落や不足などの理由でトレーニングには適していないことを表します。
   • 不正モデル ROI は、「不合格」に定義された色 (例、デフォルトで赤色) でハイライトされます。長方形が画像境界に近すぎると、赤色に表示されますが、これは処理画像でそのオブジェクトが部分的にしか表示されないおそれがあるためです。
3. アライメント用にハイライトした ROI を使用するには、その ROI をクリックして選択を確定します。対応するトレーニングパラメーターが自動的に決まります。

回転による変化に対するトレーニングのロバスト性を向上させるには、2 つの異なるモデル ROI を選択し、画像の反対側で最適な 2 つの ROI でマッチングモデルをトレーニングすることをお勧めします。

検索設定の定義

検索パラメータの調整

トレーニングパラメータと違って、左側の検索パラメータは自動的には調整されません。これらは、アプリケーションの画像に依存しており、それに応じて調整が行われるからです。

トレーニングと検索パラメータの現在の設定が適切かどうかを確認できます。アプリケーションを一連の画像と一緒に実行すると、トレーニングしたマッチングモデルが画像内に正しく見つかるかどうかをグラフィックスウィンドウでただちに確認できます。必要に応じて、パラメータをさらに調整できます。

エリアの制約

オブジェクトの検索は、「処理領域」と ROI で決まるエリア内で範囲で行われます。 重心が、この検索範囲内にある場合、オブジェクトが返ります。重心がオブジェクトの外部にある場合、検索領域に重心がおさまるよう検索領域を調整してください。こうしておけば、そのオブジェクトは検索できます。 一部が画像から外れているオブジェクトは処理対象になりません。

パラメーター

基本パラメーター

画像:

このパラメーターは、このツールの処理に使用する入力画像を表します。このパラメーターは、「アライメントデータ」を決定するトレーニング画像として使用できます。また、決定した「アライメントデータ」と、トレーニングの現在のパラメーター設定をテストする処理画像として使用できます。

色画像をこのツールの入力として使用すると、最初のチャンネル (赤いチャンネル) のみが処理の対象になります。

最小スコア:

このパラメーターは、マッチングの実行精度を定義します。このパラメーターはモデルの検索に使用し、マッチングオブジェクトの検出時に、トレーニング済みモデルをどの程度可視化しなければならないかを決定します。デフォルト設定値は 0.5 です。これは、画像でモデルの半分が隠れることを意味します。対応するコネクターでその値を変更できます。 値は、0.1 から 1 の範囲の数に設定することができます。「最小スコア」が大きいほど、高速で検索できます。画像でモデルが隠れるおそれがなければ、「最小スコア」に 0.8 または 0.9 など、値を大きく設定できます。それ以外は、このパラメーターの値は低く設定して、トレーニングしたモデルの大きな部分を隠して画像でマッチを検索します。

検索速度を上げるには、収縮された画像のいわゆるピラミッドを使用します。マッチングには、認識されるすべてのレベルで十分な大きさのスコアが必要です。そのため、オリジナル画像のスコアが最低スコアよりも大きくても、収縮レベルが高いと十分に認識されないためにマッチングが除外されるおそれがあります。これらのマッチングの欠損は、最低スコアを下げると見つかることがあります。

アプリケーションを段階的に実行し、すべての画像内でオブジェクトの有無が正しくチェックされているかを確認すれば現在の「最小スコア」をテストできます。

方向許容範囲:

このパラメーターは、マッチングモデルの回転の許容誤差の値を定義します。このパラメーターはモデルの検索に使用し、検索画像におけるマッチ候補の回転と、トレーニング画像のモデルの回転との許容誤差を決定します。幅は度数で定義され、デフォルト設定値は 20°です。対応するコネクターで、「方向許容範囲」を 0° から 180° の範囲の角度に変更できます。検索画像でモデルが表示される回転範囲がわかっている場合、それに応じて「方向許容範囲」の値を調整できます。

追加パラメーター

ROI:

このパラメーターは、処理用の関心領域 (ROI) を定義します。ROI と「処理領域」の結合部分の外側にある画像部分は処理の対象外になります。また、そのどちらかが空の場合、他の一方の内部にある画像部分は処理されます。どちらも空の場合、画像全体が処理されます。

デフォルトで、「ROI」は空 ROI として定義されます。空でない ROI を処理に使用する場合は、前のツールの適切な ROI 結果にパラメーターを接続するか、使用可能な ROI ボタンで新しい ROI を画像に描画します。 前のツールの ROI 結果を使用する場合、追加 ROI を ROI ボタンで描画することもできます。

定義した ROI と「処理領域」の連結は、トレーニングしたモデルの検索エリアに使用します。マッチングの検索発見では、2 つのモデル ROI の 1 つだけが検索範囲内にあるなど、トレーニングしたモデルの一部だけがあれば十分な場合があります。ただし、トレーニングしたモデルがこのエリア外の場合、マッチングは見つかりません。

変形許容範囲:

このパラメーターは、オブジェクトの最大変形許容範囲を設定します。このパラメータはピクセル単位で定義され、デフォルト設定値は 1 ピクセルです。これは、トレーニング済みモデルの形状から最大 1 ピクセル変形したオブジェクトも検出されることを意味します。値を手動で入力する場合、対応するコネクターで、0 から 5 px 以上の範囲の整数値でその値を変更できます。値を 0 に設定すると、変形のないオブジェクトのみが検索対象になります。しかし、特に微細な構造を持つオブジェクトでは、「変形許容範囲」が大きいほど、誤ったオブジェクトが検索されるリスクが高くなります。

そのため、「変形許容範囲」には可能な限り小さく、必要最小限の大きさの値を選択する必要があります。モデルの変形が画像でどの程度になるかが予想できる場合、「変形許容範囲」の値はそれに応じて調整できます。「マッチング手法トレーニング」が「形状ベース」に設定されている場合、「変形許容範囲」のみが有効です。

サイズ許容範囲:

このパラメーターは、マッチングモデルのサイズの許容誤差の値を定義します。このパラメーターはピクセル単位で定義され、デフォルト設定値は 0 ピクセルです。その場合、画像のモデルは、マッチに分類するトレーニングしたモデルと同じサイズになります。対応するコネクターで、「サイズ許容範囲」を 0 から 20 ピクセルの範囲の値に変更できます。「マッチング手法トレーニング」が「形状ベース」に設定されている場合、「サイズ許容範囲」のみが有効です。

処理領域:

このパラメーターは、処理する領域を定義します。ROI と「処理領域」の結合部分の外側にある画像部分は処理の対象外になります。また、そのどちらかが空の場合、他の一方の内部にある画像部分は処理されます。どちらも空の場合、画像全体が処理されます。

デフォルトで、「処理領域」は空の領域として定義されます。「処理領域」を指定するには、領域が現在のツールに渡されるよう、パラメーターを前のツールの適切な領域結果に接続します。

easyTouch で、マッチングモデルを選択すると、画像全体で処理が実行されます。つまり、たとえば「方向許容範囲」の設定によって、トレーニング済みモデルが処理画像の別の位置で見つかります。

トレーニングパラメーター

基本トレーニングパラメーター

マッチング手法トレーニング:

このトレーニングパラメーターは、トレーニングモデルを決定するマッチング手法を定義します。パラメーターの設定値はデフォルトで「形状ベース」です。 対応するコネクターで マッチング手法トレーニング を変更できます。

値	説明
形状ベース	このマッチングアプローチでは、輪郭の形状によってトレーニング済みモデルを説明します。 画像で形状モデルのベストマッチを検索するマッチング手法を使用して「アライメントデータ」を設定するには、この手法を使用します。
相関関係ベース	このマッチングアプローチでは、含まれるピクセルのグレイ値関係によってトレーニング済みモデルを説明します。 オブジェクトまたはパターンのマッチングに正規化相互相関 (NCC) を使用するマッチング手法を使用して「アライメントデータ」を設定するには、この手法を使用します。

追加トレーニングパラメーター

追加トレーニングパラメーターは、関連するマッチング手法別にリストされます。他の手法のパラメーターは、得られるトレーニングモデルには反映されません。

結果

基本結果

アライメントデータ:

この結果では、画像のアライメントに必要なトレーニング済みのアライメントデータが返ります。

スコア:

この結果は、カウントしたオブジェクトが検索したトレーニング済みモデルとマッチした数を表す数値を返します。結果は 0 から 1 の範囲の実数として返ります。「スコア」の値が 1 の場合、見つかったオブジェクトはトレーニング済みモデルと 100% の精度でマッチします。

ツール状態:

「ツール状態」はツール状態の情報を返します。したがって、エラー処理に使うことができます。さまざまなツールの状態結果の詳細については、 ツール状態 結果 のトピックを参照してください。

追加結果

モデルエッジ:

この結果では、トレーニング済みモデルエッジの輪郭が返ります。

方向矢印:

この結果では、トレーニングに使用した ROI の向きを示す矢印が返ります。輪郭の形式で返ります。

処理時間:

この結果は、ツールの直近の実行の持続時間をミリ秒単位で返します。結果は、追加結果として提供されます。したがって、デフォルトでは非表示になっていますが、ツール結果の横にある ボタンを使用して表示できます。詳細については、ツールリファレンス概要の処理時間の節を参照してください。

アプリケーションの例

このツール、以下の MERLIC Vision App 例で使用します:

• 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