AI 驱动文档
您想了解什么？
模板图像与对齐理论
本页介绍基于模板的模式匹配的基本概念，以及 OV10i 如何使用边缘检测算法定位并定向部件，以实现精准的检查定位。
基于模板的模式匹配基础
什么是模板对齐？
模板对齐使用模式匹配来定位部件并确定其方向，以实现相对检验。系统在模板区域内检测边缘，并匹配相似的边缘模式以确定部件的位置与方向，从而在部件呈现不一致时也能实现准确的检验。
核心概念：
- 参考模板 - 捕获的图像，作为模式匹配的基线
- 边缘模式识别 - 算法识别显著的边缘特征
- 空间变换 - 计算位置和旋转差异
- ROI 调整 - 相对于检测到的部件位置对检查区域进行对齐
模板图像理论
模板图像作为参考标准
捕获模板图像是 ALL recipes 的必需步骤。模板图像作为主参考，用于对后续图像进行对齐比较。
模板要求：
- Representative Sample - 必须显示处于理想条件和位置的部件
- Clear Edge Definition - 具有足够对比度以实现可靠边缘检测
- Consistent Features - 在部件变体之间保持稳定的特征
- Optimal Lighting - 光照条件应与生产环境匹配
图像质量对对齐的影响
关键质量因素：
- Edge Contrast - 更高的对比度可实现更可靠的边缘检测
- Focus Sharpness - 清晰的边缘可提升模式匹配准确性
- Lighting Consistency - 均匀照明可降低误检边缘
- Image Stability - 模板图像中的噪声和伪影最小化
模板图像设置与捕获
模板图像捕获方法
Capture Options：
- Capture Template Image - 使用当前相机视图捕获新的参考图像
- Re-Capture Template Image - 将现有模板替换为新图像
- Import From Library - 从 Library 选择现有图像作为模板
默认情况下，Import From Library 模态框将按 Recipe 过滤图像。使用下拉菜单选择另一种 recipe，或清除筛选并单击 Search 以查找来自其他 Recipes 的图像。
预览模式
- Template View - 捕获后，预览窗格显示 Template Image（非实时相机画面）
- Live Preview Mode - 切换到实时相机画面以测试对齐性能
- Re-capture Mode - 关闭实时预览以重新捕获 Template Image
对齐理论中的边缘检测
对齐专用边缘检测
OV10i 的对齐系统依赖于专门用于部件定位与定向的边缘检测算法，与基于 AI 的检验模型分离。
对齐边缘检测过程：
- Edge Identification - 算法检测用于对齐参考的强度梯度
- Edge Filtering - 系统在过滤噪声的同时识别对齐相关的边缘
- Alignment Pattern Creation - 构建用于定位的边缘模式的数学表示
- Position Comparison - 将检测到的模式与模板参考进行对齐比较
对齐区域策略
+ Rectangle / + Circle Regions:
模板区域定义 OV10i 将用于对齐目的检测边缘的特定区域，通过匹配相似的边缘模式来确定零件的位置与取向。
Alignment Edge Visualization:
- 🟢 绿色高亮 - 在模板区域内发现的边缘（适用于对齐）
- 🔴 红色高亮 - 找到的边缘不足以进行有效对齐
对齐边缘质量
良好对齐边缘特征：
- 简单 - 清晰、边缘过渡明确，适合位置参考
- 唯一 - 具有独特模式，便于可靠识别零件
- 一致 - 在所有预期零件变化中均可见，确保可靠对齐
- 稳定 - 在对齐过程中不受正常生产变动的影响
不良对齐边缘特征：
- 复杂纹理 - 细部表面不适合用作位置参考
- 反光表面 - 可能导致对齐参考不一致的区域
- 可变特征 - 零件之间会变化的特征，影响对齐一致性
- 易产生噪声的区域 - 带有碎屑等影响对齐精度的区域
模板区域管理
创建模板区域
+ 矩形 / + 圆形： 点击在模板图像中添加模板区域。OV10i 将检测这些模板区域内的边缘，并尝试通过匹配相似的边缘模式来定位零件。
区域管理：
- 调整大小/重塑 - 点击模板区域以拉伸或改变大小
- 旋转 - 根据需要调整区域方向
- 重新定位 - 点击并拖动以移动模板区域
- 删除 - 移除不需要的区域
模板区域放置最佳实践
放置模板区域时，聚焦于简单、唯一且在所有零件上始终可见的边缘。尽量避免可能被缺陷遮挡的边缘，或随零件而变化的边缘模式。
良好边缘特征：
- ✅ 简单 - 清晰、边界明确的边缘
- ✅ 唯一 - 独特的模式，在其他地方未出现
- ✅ 一致 - 在所有零件变化中可见
- ✅ 稳定 - 不受正常缺陷或磨损影响
较差边缘特征：
- ❌ 可变特征 - 可能缺失或损坏的组件
- ❌ 纹理表面 - 複杂模式随零件变化
- ❌ 反光区域 - 产生可变高光的表面
- ❌ 细小细节 - 易被碎屑遮挡的特征
演进式设置方法
多模板区域策略：
- 先在最突出特征上放置一个模板区域
- 如边缘数量不足（红色高亮），再添加区域
- 如有需要，提升灵敏度以找到足够边缘
- 使用 Ignore Template Region 工具以移除噪声
- 在 Live Preview Mode（实时预览模式）下对不同零件进行测试
对齐参数理论
旋转范围容忍度
输入0-180度的角度，以定义对齐器可容忍的旋转量。
旋转范围设置：
- 180 度 - 查找以任意角度旋转的零件（最大灵活性）
- 0 度 - 仅查找与模板图像角度匹配的零件（最大精度）
- 自定义范围 - 在灵活性与精度之间取得平衡
权衡：
- 更宽的范围 - 更灵活但处理速度可能较慢
- 更窄的范围 - 处理更快但需要零件取向一致
灵敏度算法理论
通过拖动滑块来增加/减少边缘检测的灵敏度。更高的灵敏度设置将检测更多边缘，而较低的灵敏度设置将检测更少的边缘。
灵敏度影响：
- 更高的灵敏度 - 检测更多边缘细节，但可能包含噪声
- 较低的灵敏度 - 专注于显著边缘，但可能错过微小特征
- 最优设置 - 即使在最低灵敏度下也能检测到足够的边缘
算法行为：
对齐边缘检测算法会根据灵敏度设置调整阈值，影响哪些强度梯度被归类为用于对齐的边缘。
置信度阈值理论
使用此滑块设置对齐被视为有效所需的最小置信度（1% 表示完全匹配）。该阈值应介于 0.6-0.9 之间，以实现一致的对齐。
置信度计算：
- 对齐模式相关性 - 模板与检测到的对齐模式之间的数学相似性
- 几何一致性 - 定位中边缘特征的空间关系精度
- 对齐边缘质量 - 用于定位参考的检测到的边缘模式的强度与清晰度
阈值指南：
- 0.6-0.9 范围 - 建议用于一致的对齐性能
- 更高的数值 - 更严格的匹配，减少假阳性
- 较低的数值 - 匹配更宽松，可能接受不良对齐
对齐噪声管理理论
用于对齐的忽略模板区域
该忽略模板区域工具提供一个刷子界面，用于从任意模板区域擦除不需要的边缘，旨在屏蔽不需要的边缘噪声并将对齐聚焦于清晰、可重复的边缘模式。
对齐边缘噪声类别：
- 纹理表面 - 复杂模式，不适合用作一致的对齐参考
- 反射与眩光 - 易变的照明效应，影响对齐精度
- 碎屑或污染 - 临时特征，不适合作为位置参考
- 可变组件 - 可能缺失或损坏的特征，影响对齐一致性
对齐噪声过滤策略：
- 选择性掩蔽 - 去除可变边缘模式，同时保留稳定的对齐特征
- 模式简化 - 将对齐算法聚焦于最可靠的边缘信息
- 一致性优化 - 提高跨部件变体的对齐可靠性
对齐模式匹配性能理论
用于对齐的多个模板区域
增加更多模板区域会增加对齐的边缘数量，从而提升对齐模式匹配的可靠性和特异性。
多区域对齐的好处：
- 对齐冗余 - 多个参考点提升对齐鲁棒性
- 定位特异性 - 更复杂的模式减少假阳性对齐匹配
- 对齐精度 - 额外约束提升位置与旋转的精度
- 对齐可靠性 - 即使某些区域被遮挡，系统仍可对齐
对齐失败模式
常见对齐失败模式：
- 对齐边缘不足 - 缺乏用于可靠定位的边缘信息
- 错误对齐阳性结果 - 算法对定位匹配了错误的特征
- 对齐检测不一致 - 对一些部件有效，对其他部件无效
- 对齐置信度低 - 位置匹配低于可接受阈值
对齐优化解决方案：
- 对齐模式优化 - 为定位选择更具辨识度且稳定的边缘特征
- 区域调整 - 修改模板区域的大小和放置位置，以获得更好的对齐参考
- 参数调优 - 调整对齐性能的灵敏度和置信阈值
- 对齐降噪 - 使用忽略模板区域工具来过滤有问题的边缘
对齐与固定定位理论
何时使用模板对齐
对齐优势：
- 零件位置与旋转差异容忍度 - 能容纳位置和旋转差异
- 灵活呈现 - 适用于非夹具部件
- 相对检测 - ROIs 会自动根据部件位置进行调整
- 机器人集成 - 处理可变部件放置
何时跳过对齐
固定定位优势：
- 处理速度 - 无需进行对齐计算
- 一致的结果 - 可预测的检测行为
- 简单设置 - 无需模板区域或模板匹配
- 夹具部件的可靠性 - 当机械定位确保一致性
选择标准：
对于夹具固定或向相机呈现高度重复的部件的应用，建议使用跳过对齐器选项。