Halcon標(biāo)定文件的生成及標(biāo)定板規(guī)格

1、Halcon標(biāo)定文件的生成   Halcon標(biāo)定文件的生成   圖一    Halcon標(biāo)定文件的生成，需要有以下幾個步驟：1.創(chuàng)建一個標(biāo)定數(shù)據(jù)模板，由create_calib_data算來完成。2.指定相機的類型，初始化相機內(nèi)部參數(shù)，由set_calib_data_cam_param算子來完成。3.指定標(biāo)定板的描述文件，由set_calib_data_calib_object算子完成。4.收集觀察數(shù)據(jù)，有算子set_calib_data_observ_points完成。也就是收集標(biāo)定板上圓點的中心坐標(biāo)，跟各個校正板的位置姿

2、態(tài)。5.配置校正過程。由算子set_calib_data完成。6.將數(shù)據(jù)整合進行標(biāo)定計算。calibrate_cameras7.獲得標(biāo)定參數(shù)。get_calib_data8.記錄標(biāo)定參數(shù)，write_cam_parStartCamPar := 0.016,   0,    0.0000074,    0.0000074,   326,   247,    652,    494解釋一下這個數(shù)組的意思。面陣相機有14或

3、18個參數(shù)（根據(jù)想相機的畸變模式），對于線陣相機有17個參數(shù)。這些參數(shù)可以分開為內(nèi)部相機參數(shù)、外部相機參數(shù)。面陣相機（division模式）：Focus（焦距）:遠焦鏡頭鏡頭焦距的長度Kappa:扭曲系數(shù)Sx，Sy：兩像素間距Cx，Cy：中心點坐標(biāo)Whith，Height：圖像的寬高面陣相機（polynomia模式）：Focus（焦距）:遠焦鏡頭鏡頭焦距的長度K1, K2, K3, P1,P2:扭曲系數(shù)Sx，Sy：兩像素間距Cx，Cy：中心點坐標(biāo)Whith，Height：圖像的寬高線陣相機不做具體介紹Halcon標(biāo)定板規(guī)格 2011-12-23 12:56 68人閱讀 評論(1) 收藏 舉報

4、圖一： 30*30 規(guī)格的標(biāo)定板的規(guī)格 黑色圓點行數(shù)：   7 黑色圓點列數(shù)：   7 外邊框長度：     30mm*30mm 內(nèi)邊框長度：     28.125mm*28.125mm   即：黑色邊框線寬為一個圓點半徑（0.9375） 黑色圓點半徑：   0.9375mm 圓點中心間距：   3.75mm 裁剪寬度： 

5、60;     30.75mm*30.75mm     即：由黑色邊框向外延伸0.375mm 邊角：           由黑色外邊框向內(nèi)縮進一個中心邊距的長度40*40 規(guī)格的標(biāo)定板的規(guī)格 黑色圓點行數(shù)：   7 黑色圓點列數(shù)：   7 外邊框長度：     40mm*40mm 內(nèi)邊框長

6、度：     37.5mm*37.5mm   即：黑色邊框線寬為一個圓點半徑（0.125） 黑色圓點半徑：   0.125mm 圓點中心間距：   5mm 裁剪寬度：       21mm*21mm     即：由黑色邊框向外延伸0.5mm 邊角：         &#

7、160; 由黑色外邊框向內(nèi)縮進一個中心邊距的長度50*50 規(guī)格的標(biāo)定板的規(guī)格 黑色圓點行數(shù)：   7 黑色圓點列數(shù)：   7 外邊框長度：     50mm*50mm 內(nèi)邊框長度：     46.875mm*46.875mm   即：黑色邊框線寬為一個圓點半徑（1.5625） 黑色圓點半徑：   1.5625mm 圓點中心間距：   6.25mm 

8、;裁剪寬度：       51.25mm*51.25mm     即：由黑色邊框向外延伸0.625mm 邊角：           由黑色外邊框向內(nèi)縮進一個中心邊距的長度60*60 規(guī)格的標(biāo)定板的規(guī)格 黑色圓點行數(shù)：   7 黑色圓點列數(shù)：   7 外邊框長度：     60mm

9、*60mm 內(nèi)邊框長度：     56.25mm*56.25mm   即：黑色邊框線寬為一個圓點半徑（1.875） 黑色圓點半徑：   1.875mm 圓點中心間距：   7.5mm 裁剪寬度：       61.5mm*61.5mm     即：由黑色邊框向外延伸0.75mm 邊角：     &#

10、160;     由黑色外邊框向內(nèi)縮進一個中心邊距的長度Halcon如何制作標(biāo)定板 分類： Halcon 2011-12-23 12:51 151人閱讀 評論(2) 收藏 舉報   圖1 上圖即為我自行制作的標(biāo)定板的圖樣。下面我具體介紹一下，如何制作halcon的標(biāo)準標(biāo)定板方法一：用halcon軟件自動生成的.ps文件來制作標(biāo)定板。    這個也是最簡單有效的方法。    打開halcon 的HDevelop軟件，調(diào)用算子：gen_caltab( : : XNum,YNum,

11、MarkDist,DiameterRatio,CalTabDescrFile,CalTabPSFile : )XNum                  每行黑色標(biāo)志圓點的數(shù)量。YNum                  每列黑色標(biāo)志圓點的數(shù)量。MarkDis

12、t                    兩個就近黑色圓點中心之間的距離。DiameterRatio            黑色圓點半徑與圓點中心距離的比值。CalTabDescrFile 標(biāo)定板描述文件的文件路徑（.descr）。CalTabPSFile   

13、0;         標(biāo)定板圖像文件的文件路徑（.ps），如圖1然后復(fù)位（F2），點擊運行（F5）通過軟件Gsview打開，按1:1比例打印，OK！備注一個30*30的標(biāo)準標(biāo)定板的halcon源代碼。gen_caltab(7,7,0.00375,0.5,'F:/halcon程序/gencaltab/30_30.descr','F:/halcon程序/gencaltab/40_40.ps')規(guī)格的標(biāo)定板的規(guī)格    黑色圓點行數(shù)：  

14、7    黑色圓點列數(shù)：   7    外邊框長度：     30mm*30mm    內(nèi)邊框長度：     28.125mm*28.125mm   即：黑色邊框線寬為一個圓點半徑（0.9375）    黑色圓點半徑：   0.9375mm    圓點中心間距：   3.75mm 

15、;   裁剪寬度：       30.75mm*30.75mm     即：由黑色邊框向外延伸0.375mm    邊角：           由黑色外邊框向內(nèi)縮進一個中心邊距的長度方法二：用halcon軟件自動生成的.descr文件來制作標(biāo)定板。打開halcon 的HDevelop軟件，調(diào)用算子：gen_caltab生成一個.descr的文件，用

16、寫字板打開（注意要用寫字板，記事本打開會有一些數(shù)據(jù)不可見，一般windowsXP在C:Program FilesWindows NTAccessories就有寫字板軟件wordpad.exe）打開后的文件基本如下：       以40*40為例：# Plate Description Version 2 # HALCON Version 10.0 -  Mon Dec 19 11:08:07 2011# Description of the standard calibration plate   標(biāo)準標(biāo)

17、定板的描述# used for the CCD camera calibration in HALCON   # (generated by gen_caltab)                       （由）gen_caltab算子生成# # 7 rows x 7 columns     &

18、#160;     7行*7列# Width, height of calibration plate meter: 0.04, 0.04標(biāo)定板的寬和高：0.04米，0.04米# Distance between mark centers meter: 0.005標(biāo)志圓點中心間距：0.005米# Number of marks in y-dimension (rows)r 7Y方向標(biāo)志圓點的數(shù)量。# Number of marks in x-dimension (columns)c 7X方向標(biāo)志圓點的數(shù)量。#   offset of

19、coordinate system in z-dimension meter (optional):z 0Z坐標(biāo)偏移# Rectangular border (rim and black frame) of calibration plate標(biāo)定板的矩形邊框（邊緣和黑色邊框）#   rim of the calibration plate (min x, max y, max x, min y) meter:o -0.0205 0.0205 0.0205 -0.0205標(biāo)定板的剪切邊緣【-0.0205 0.0205 0.0205 -0.0205】（以標(biāo)定板中心為坐標(biāo)圓點）#

20、   outer border of the black frame (min x, max y, max x, min y) meter:i -0.02 0.02 0.02 -0.02 黑色邊框的外邊緣【-0.02 0.02 0.02 -0.02】#   triangular corner mark given by two corner points (x,y, x,y) meter#   (optional):t -0.02 -0.015 -0.015 -0.02三角形標(biāo)志【-0.02 -0.015 -0.015 -0.02】#

21、   width of the black frame meter:w 0.00125黑色邊框線的寬度：0.00125米。# calibration marks:  x y radius meter一下是各個矯正板黑色圓點在標(biāo)定板上的坐標(biāo)（共7*7個）# calibration marks at y = -0.015 m-0.015 -0.015 0.00125-0.01 -0.015 0.00125-0.005 -0.015 0.001250 -0.015 0.001250.005 -0.015 0.001250.01 -0.015 0.001250.015 -

22、0.015 0.00125 # calibration marks at y = -0.01 m-0.015 -0.01 0.00125-0.01 -0.01 0.00125-0.005 -0.01 0.001250 -0.01 0.001250.005 -0.01 0.001250.01 -0.01 0.001250.015 -0.01 0.00125 # calibration marks at y = -0.005 m-0.015 -0.005 0.00125-0.01 -0.005 0.00125-0.005 -0.005 0.001250 -0.005 0.001

23、250.005 -0.005 0.001250.01 -0.005 0.001250.015 -0.005 0.00125 # calibration marks at y = 0 m-0.015 0 0.00125-0.01 0 0.00125-0.005 0 0.001250 0 0.001250.005 0 0.001250.01 0 0.001250.015 0 0.00125 # calibration marks at y = 0.005 m-0.015 0.005 0.00125-0.01 0.005 0.00125-0.005 0.005 0.001250

24、0.005 0.001250.005 0.005 0.001250.01 0.005 0.001250.015 0.005 0.00125 # calibration marks at y = 0.01 m-0.015 0.01 0.00125-0.01 0.01 0.00125-0.005 0.01 0.001250 0.01 0.001250.005 0.01 0.001250.01 0.01 0.001250.015 0.01 0.00125 # calibration marks at y = 0.015 m-0.015 0.015 0.00125-0.01 0.0

25、15 0.00125-0.005 0.015 0.001250 0.015 0.001250.005 0.015 0.001250.01 0.015 0.001250.015 0.015 0.00125 標(biāo)定板的材料也有一定的要求，請參看如何進行圖形校正?；贖ALCON的模板匹配方法總結(jié) 2012-02-09 10:17 27人閱讀 評論(0) 收藏 舉報  基于HALCON的模板匹配方法總結(jié)         很早就想總結(jié)一下前段時間學(xué)習(xí)HALCON的心得，但由于其他的事情總是抽不出時間。去年

26、有過一段時間的集中學(xué)習(xí)，做了許多的練習(xí)和實驗，并對基于HDevelop的形狀匹配算法的參數(shù)優(yōu)化進行了研究，寫了一篇基于HDevelop的形狀匹配算法參數(shù)的優(yōu)化研究文章，總結(jié)了在形狀匹配過程中哪些參數(shù)影響到模板的搜索和匹配，又如何來協(xié)調(diào)這些參數(shù)來加快匹配過程，提高匹配的精度，這篇paper放到了中國論文在線了，需要可以去下載。德國MVTec公司開發(fā)的HALCON機器視覺開發(fā)軟件，提供了許多的功能，在這里我主要學(xué)習(xí)和研究了其中的形狀匹配的算法和流程。HDevelop開發(fā)環(huán)境中提供的匹配的方法主要有三種，即Component-Based、Gray-Value-Based、Shape-Based,分

27、別是基于組件（或成分、元素）的匹配，基于灰度值的匹配和基于形狀的匹配。這三種匹配的方法各具特點，分別適用于不同的圖像特征，但都有創(chuàng)建模板和尋找模 板的相同過程。這三種方法里面，我主要就第三種基于形狀的匹配，做了許多的實驗，因此也做了基于形狀匹配的物體識別，基于形狀匹配的視頻對象分割和基于 形狀匹配的視頻對象跟蹤這些研究，從中取得較好的效果，簡化了用其他工具，比如VC+來開發(fā)的過程。在VC下往往針對不同的圖像格式，就會弄的很頭疼，更不用說編寫圖像特征提取、模板建立和搜尋模板的代碼呢，我想其中間過程會很復(fù)雜，效果也不一定會顯著。下面我就具體地談?wù)劵贖ALCON的形狀匹配算法的研究和心得總結(jié)。1.

28、       Shape-Based matching的基本流程HALCON提 供的基于形狀匹配的算法主要是針對感興趣的小區(qū)域來建立模板，對整個圖像建立模板也可以，但這樣除非是對象在整個圖像中所占比例很大，比如像視頻會議中人 體上半身這樣的圖像，我在后面的視頻對象跟蹤實驗中就是針對整個圖像的，這往往也是要犧牲匹配速度的，這個后面再講?；玖鞒淌沁@樣的，如下所示： 首先確定出ROI的矩形區(qū)域，這里只需要確定矩形的左上點和右下點的坐標(biāo)即可，gen_rectangle1()這個函數(shù)就會幫助你生成一個矩形，利用area_center()找到這

29、個矩形的中心； 然后需要從圖像中獲取這個矩形區(qū)域的圖像，reduce_domain()會得到這個ROI；這之后就可以對這個矩形建立模板，而在建立模板之前，可以先對這個區(qū)域進行一些處理，方便以后的建模，比如閾值分割，數(shù)學(xué)形態(tài)學(xué)的一些處理等等； 接下來就可以利用create_shape_model()來創(chuàng)建模板了，這個函數(shù)有許多參數(shù)，其中金字塔的級數(shù)由Numlevels指定，值越大則找到物體的時間越少，AngleStart和AngleExtent決定可能的旋轉(zhuǎn)范圍，AngleStep指定角度范圍搜索的步長；這里需要提醒的是，在任何情況下，模板應(yīng)適合主內(nèi)存，搜索時間會縮短。對特別大的模板，用Opti

30、mization來減少模板點的數(shù)量是很有用的；MinConstrast將模板從圖像的噪聲中分離出來，如果灰度值的波動范圍是10，則MinConstrast應(yīng)當(dāng)設(shè)為10；Metric參數(shù)決定模板識別的條件，如果設(shè)為use_polarity，則圖像中的物體和模板必須有相同的對比度；創(chuàng)建好模板后，這時還需要監(jiān)視模板，用inspect_shape_model()來完成，它檢查參數(shù)的適用性，還能幫助找到合適的參數(shù)；另外，還需要獲得這個模板的輪廓，用于后面的匹配，get_shape_model_contours()則會很容易的幫我們找到模板的輪廓； 創(chuàng)建好模板后，就可以打開另一幅圖像，來進行模板匹配了。這

31、個過程也就是在新圖像中尋找與模板匹配的圖像部分，這部分的工作就由函數(shù)find_shape_model()來承擔(dān)了，它也擁有許多的參數(shù)，這些參數(shù)都影響著尋找模板的速度和精度。這個的功能就是在一幅圖中找出最佳匹配的模板，返回一個模板實例的長、寬和旋轉(zhuǎn)角度。其中參數(shù)SubPixel決定是否精確到亞像素級，設(shè)為interpolation，則會精確到，這個模式不會占用太多時間，若需要更精確，則可設(shè)為least_square,lease_square_high，但這樣會增加額外的時間，因此，這需要在時間和精度上作個折中，需要和實際聯(lián)系起來。比較重要的兩個參數(shù)是MinSocre和Greediness，前一個

32、用來分析模板的旋轉(zhuǎn)對稱和它們之間的相似度，值越大，則越相似，后一個是搜索貪婪度，這個值在很大程度上影響著搜索速度，若為0，則為啟發(fā)式搜索，很耗時，若為1，則為不安全搜索，但最快。在大多數(shù)情況下，在能夠匹配的情況下，盡可能的增大其值。 找到之后，還需要對其進行轉(zhuǎn)化，使之能夠顯示，這兩個函數(shù)vector_angle_to_rigid()和affine_trans_contour_xld()在這里就起這個作用。前一個是從一個點和角度計算一個剛體仿射變換，這個函數(shù)從匹配函數(shù)的結(jié)果中對構(gòu)造一個剛體仿射變換很有用，把參考圖像變?yōu)楫?dāng)前圖像。其詳細的流程圖和中間參數(shù)，如下圖所示：（無法上傳）2.       基于形狀匹配的參數(shù)關(guān)系與優(yōu)化     在HALCON的說明資料里講到了這些參數(shù)的作用以及關(guān)系，在上面提到的文章中也作了介紹，這里主要是重復(fù)說明一下這些參數(shù)的作用，再強調(diào)一下它們影響匹配速度的程度；在為了提高速度而設(shè)置參數(shù)之前，有必要找出那些在所有測試圖像中匹配成功的設(shè)置，這時需考慮以下情況：     必須保證物體在圖像邊緣處截斷，也就是保證輪廓的清晰，這些可以通過形態(tài)學(xué)的一些方法來處理；   &