跳到主要内容

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工件，以实现精确的检验定位。

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并定向工件以进行相对检验。系统在模板区域内检测边缘特征，并匹配类似的边缘模式以确定工件的位置与定向，即使工件呈现不一致时也能实现准确的检验。

核心概念：

  • 参考模板 - 作为模式匹配基线的捕获图像
  • 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 - 相对于检测到的工件位置对检验区域进行对齐

模板图像理论​

image.png

将模板图像作为参考标准​

捕捉模板图像是所有配方的必需步骤。模板图像作为对齐目的的主参考，将与随后的所有图像进行比较。

模板要求：

  • 代表性样本 - 必须显示处于理想状态和位置的工件
  • 清晰边缘定义 - 具有足够对比度以实现可靠边缘检测
  • 一致特征 - 在工件变体之间保持稳定的特征
  • 最佳照明 - 照明条件应与生产环境相匹配

图像质量对对齐的影响​

关键质量因素：

  • 边缘对比度 - 更高的对比度可实现更可靠的边缘检测
  • 对焦清晰度 - 清晰的边缘可提高模式匹配的准确性
  • 照明一致性 - 均匀照明可减少误检边缘
  • 图像稳定性 - 模板图像中的噪声和伪影最小化

模板图像设置与捕捉​

模板图像捕捉方法​

捕捉选项：

  • 捕捉模板图像 - 以当前相机视图拍摄新的参考图像
  • 重新捕捉模板图像 - 用新图像替换现有模板
  • 从库导入 - 从库中选择现有图像作为模板
备注

默认情况下，从库导入对话框将按配方过滤图像。使用下拉菜单选择其他配方，或清除筛选并点击“搜索”以查找来自其他配方的图像。

预览模式​

  • 模板视图 - 捕捉后，预览窗格显示模板图像（非实时相机画面）
  • 实时预览模式 - 切换到实时相机视图以测试对齐性能
  • 重新捕捉模式 - 关闭实时预览以重新捕捉模板图像

用于对齐的边缘检测理论​

专用于对齐的边缘检测​

OV10i 对齐系统依赖于专门用于工件定位与定向的边缘检测算法，独立于基于 AI 的检验模型。

对齐边缘检测过程：

  1. 边缘识别 - 算法检测用于对齐参考的强度梯度
  2. 边缘过滤 - 系统在过滤噪声的同时识别对齐相关边缘
  3. 对齐模式创建 - 构建边缘模式的数学表示用于定位
  4. 位置比较 - 将检测到的模式与模板参考进行对齐比较

对齐区域策略​

+ 矩形 / + 圆形区域：
模板区域用于定义 OV10i 在对齐过程中检测边缘的具体区域，通过匹配相似的边缘模式来确定零件的位置和取向。

对齐边缘可视化：

  • 🟢 绿色高亮 - 位于模板区域内检测到的边缘（适用于对齐）
  • 🔴 红色高亮 - 找不到用于有效对齐的边缘

image.png

对齐边缘质量​

良好对齐边缘特征：

  • 简单 - 清晰、定义明确的边缘过渡，适合位置参考
  • 独特 - 用于可靠部件识别的显著模式
  • 一致 - 在所有预期的部件变体中均可见，以实现可靠对齐
  • 稳定 - 在对齐期间不受正常缺陷或磨损影响

不良对齐边缘特征：

  • 复杂纹理 - 细致表面不适用于位置参考
  • 反射表面 - 可能导致对齐参考不一致的区域
  • 可变特征 - 部件之间变化的元素，影响对齐一致性
  • 易受噪声影响的区域 - 存在碎屑的区域会影响对齐精度

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一个模板区域。OV10i 将检测这些模板区域内的边缘并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更改大小
  • 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​

在放置模板区域时，关注简单、独特且在所有部件中均可见的边缘。尽量避免可能被缺陷遮挡的边缘，或在不同部件之间变化的边缘模式。

  • ✅ 简单 - 清晰、定义明确的边缘

  • ✅ 独特 - 在其他地方找不到的显著模式

  • ✅ 一致 - 在所有部件变体中都可见

  • ✅ 稳定 - 不受正常缺陷或磨损影响

  • ❌ 可变特征 - 可能缺失或损坏的组件

  • ❌ 纹理表面 - 难以预测的复杂图案，随部件变化

  • ❌ 反射区域 - 会产生可变高光的表面

  • ❌ 小细节 - 易被碎屑遮挡的特征

渐进式设置方法​

多模板区域策略：

  1. 先在最突出的特征上放置一个模板区域
  2. 如边缘数量不足（红色高亮），添加额外的模板区域
  3. 如有需要，提升灵敏度以找到足够的边缘
  4. 使用 忽略模板区域 工具去除噪声
  5. 在实时预览模式下对部件变体进行测试

对齐参数理论​

旋转范围公差​

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 - 查找任意角度旋转的部件（最大灵活性）
  • 0 度 - 仅查找与模板图像角度匹配的部件（最大精度）
  • 自定义范围 - 在灵活性与精度之间取得平衡

权衡：

  • 较宽范围 - 更灵活，但处理可能更慢
  • 较窄范围 - 处理更快，但需要部件取向的一致性

image.png

灵敏度算法理论​

调节滑块以提高/降低边缘查找的灵敏度。更高的灵敏度设置将检测到更多边缘，而较低的灵敏度设置将检测到更少的边缘。

Sensitivity Impact:

  • 更高的灵敏度（Higher Sensitivity） - 检测到更多边缘细节，但可能包含噪声
  • 较低的灵敏度（Lower Sensitivity） - 关注显著边缘，但可能错过微小特征
  • 最佳设置（Optimal Setting） - 在仍能找到足够边缘的前提下的最低灵敏度

image.png

Algorithm Behavior: 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低置信度（1% 表示完全匹配）。为实现一致的对齐，该阈值应介于 0.6-0.9 之间。

Confidence Calculation:

  • Alignment Pattern Correlation（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度
  • Geometric Consistency（几何一致性） - 用于定位的边缘特征之间的空间关系准确性
  • Alignment Edge Quality（对齐边缘质量） - 检测到的边缘模式的强度和清晰度，用于位置参考

Threshold Guidelines:

  • 0.6-0.9 范围 - 为实现一致的对齐性能推荐
  • 更高的数值（Higher Values） - 更严格的匹配，减少误报
  • 更低的数值（Lower Values） - 更宽松的匹配，可能接受较差的对齐

image.png

对齐噪声管理理论​

忽略模板区域用于对齐​

Ignore Template Region 工具提供一个画笔界面，用于从任意模板区域擦除不需要的边缘，屏蔽多余的边缘噪声，并将对齐聚焦于清晰、可重复的边缘模式。

Alignment Edge Noise Categories:

  • Textured Surfaces（纹理表面） - 复杂模式不适合用于一致的对齐参考
  • Reflections and Glare（反射与眩光） - 可变照明效果会影响对齐准确性
  • Debris or Contamination（碎屑或污染） - 可能是临时特征，不适合作为定位参考
  • Variable Components（可变组件） - 可能缺失或损坏的特征，影响对齐一致性

Alignment Noise Filtering Strategy:

  • Selective Masking（选择性遮罩/屏蔽） - 在保留稳定对齐特征的同时移除可变边缘模式
  • Pattern Simplification（模式简化） - 将对齐算法聚焦于最可靠的边缘信息
  • Consistency Optimization（一致性优化） - 提高在部件变体中的对齐可靠性

对齐模式匹配性能理论​

用于对齐的多个模板区域​

增加更多的模板区域会增加对齐的边缘数量，从而提高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（Alignment Redundancy） - 多个参考点提高对齐鲁棒性
  • 位置特异性（Position Specificity） - 更复杂的模式减少假阳性对齐匹配
  • 对齐精确度（Alignment Accuracy） - 额外约束提高位置和旋转的精准度
  • 对齐可靠性（Alignment Reliability） - 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：

  • Insufficient Alignment Edges - 用于可靠位置检测的边缘信息不足
  • False Alignment Positives - 算法将错误的特征用于定位
  • Inconsistent Alignment Detection - 在某些工件上对齐正常，在其他工件上失败
  • Low Alignment Confidence - 位置匹配低于可接受阈值

Alignment Optimization Solutions：

  • Alignment Pattern Optimization - 为定位选择更具辨识度且稳定的边缘特征
  • Region Adjustment - 为获得更好的对齐参考，修改 Template Region 的大小和放置位置
  • Parameter Tuning - 调整对齐性能的灵敏度和置信度阈值
  • Alignment Noise Reduction - 使用 Ignore Template Region 工具来过滤有问题的边缘

Alignment vs Fixed Positioning Theory​

何时使用 Template Alignment​

Alignment Advantages：

  • Part Variation Tolerance - 能容纳位置和旋转差异
  • Flexible Presentation - 适用于非夹具固定的工件
  • Relative Inspection - ROIs 会自动根据工件位置进行调整
  • Robotic Integration - 处理工件放置的变动

何时跳过 Alignment​

Fixed Position Advantages：

  • Processing Speed - 不需要进行对齐计算
  • Consistent Results - 可预测的检测行为
  • Simple Setup - 不需要模板区域或模式匹配
  • Reliable for Fixtured Parts - 当机械定位确保一致性时更可靠

Selection Criteria：
对于工件经夹具固定或向相机呈现且重复性非常高的应用，建议跳过 Aligner 选项。

🔗 参见​