跳到主要内容

模板图像与对齐原理

本页介绍基于模板的模式匹配的基本概念，以及 OV80i 如何利用边缘检测算法定位和定向工件，实现精确的检测定位。

基于模板的模式匹配基础​

什么是模板对齐？​

模板对齐通过模式匹配来定位和定向工件，实现相对检测。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工件的位置和方向，即使工件呈现不一致，也能实现准确检测。

核心概念：

  • 参考模板 — 作为模式匹配基准的采集图像
  • 边缘模式识别 — 算法识别独特的边缘特征
  • 空间变换 — 计算位置和旋转差异
  • ROI 调整 — 根据检测到的工件位置调整检测区域

模板图像原理​

image.png

模板图像作为参考标准​

采集模板图像是所有 Recipe 的必备步骤。模板图像作为主参考，用于与后续所有图像进行对齐比较。

模板要求：

  • 代表性样本 — 必须展示工件的理想状态和位置
  • 清晰的边缘定义 — 具有足够对比度以确保可靠的边缘检测
  • 一致的特征 — 在工件变体中保持稳定的元素
  • 最佳照明 — 照明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：

  • 边缘对比度 — 对比度越高，边缘检测越可靠
  • 焦点清晰度 — 边缘越清晰，模式匹配准确度越高
  • 照明一致性 — 均匀照明减少误检边缘
  • 图像稳定性 — 模板图像中噪声和伪影越少越好

模板图像设置与采集​

模板图像采集方式​

采集选项：

  • 采集模板图像 — 使用当前相机视角拍摄新的参考图像
  • 重新采集模板图像 — 用新图像替换现有模板
  • 从库中导入 — 从库中选择已有图像作为模板
备注

默认情况下，“从库中导入”弹窗会按 Recipe 过滤图像。可使用下拉菜单选择其他 Recipe，或清除过滤后点击搜索以查找其他 Recipe 的图像。

预览模式​

  • 模板视图 — 采集后，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，测试对齐性能
  • 重新采集模式 — 禁用实时预览，重新拍摄模板图像

对齐边缘检测原理​

专用于对齐的边缘检测​

OV80i 对齐系统依赖专门的边缘检测算法定位和定向工件，独立于基于 AI 的检测模型。

对齐边缘检测流程：

  1. 边缘识别 — 算法检测强度梯度作为对齐参考
  2. 边缘过滤 — 系统识别与对齐相关的边缘，过滤噪声
  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比实现对齐

对齐区域策略​

+ 矩形 / + 圆形区域：
模板区域定义 OV80i 用于检测边缘的特定区域，通过匹配相似边缘模式确定工件位置和方向。

对齐边缘可视化：

  • 🟢 绿色高亮 — 模板区域内检测到的边缘（适合对齐）
  • 🔴 红色高亮 — 边缘不足，无法有效对齐

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，适合作为位置参考
  • 独特 — 具有辨识度的模式，确保可靠识别
  • 一致 — 在所有预期工件变体中均可见，保证对齐可靠
  • 稳定 — 不受正常生产变化影响

不良对齐边缘特征：

  • 复杂纹理 — 细节丰富的表面不适合作为位置参考
  • 反光表面 — 产生不稳定的对齐参考
  • 可变特征 — 工件间变化的元素影响对齐一致性
  • 易受噪声影响区域 — 存在杂质影响对齐准确性

模板区域管理​

创建模板区域​

+ 矩形 / + 圆形：
点击添加模板区域至模板图像。OV80i 会在这些模板区域内检测边缘，并通过匹配相似边缘模式定位工件。

区域管理：

  • 调整大小/形状 — 点击模板区域进行拉伸或更改尺寸
  • 旋转 — 根据需要调整区域方向
  • 重新定位 — 点击拖动移动模板区域
  • 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，应聚焦于简单、独特且在所有工件中均一致可见的边缘。避免选择可能被缺陷遮挡或工件间边缘模式变化较大的边缘。

良好边缘特征：

  • ✅ 简单 — 清晰、定义明确的边缘
  • ✅ 独特 — 具有辨识度的独特模式
  • ✅ 一致 — 在所有工件变体中均可见
  • ✅ 稳定 — 不受正常缺陷或磨损影响

不良边缘特征：

  • ❌ 可变特征 — 可能缺失或损坏的组件
  • ❌ 纹理复杂表面 — 工件间变化大的复杂图案
  • ❌ 反光区域 — 产生变化高光的表面
  • ❌ 细小细节 — 易被杂质遮挡的特征

逐步设置方法​

多模板区域策略：

  1. 从最显著特征处添加一个模板区域
  2. 若边缘数量不足（红色高亮），添加更多区域
  3. 如有需要，提升灵敏度以检测足够边缘
  4. 使用忽略模板区域工具去除噪声
  5. 通过实时预览模式测试不同工件变体

对齐参数原理​

旋转范围容差​

输入 0-180 度角度，定义对齐器允许的旋转范围。

旋转范围设置：

  • 180 度 — 可检测任意角度旋转的工件（最大灵活性）
  • 0 度 — 仅检测与模板图像角度匹配的工件（最大精度）
  • 自定义范围 — 灵活性与精度的平衡

权衡：

  • 范围越宽 — 灵活性越高，但处理速度可能较慢
  • 范围越窄 — 处理速度更快，但要求工件方向一致

image.png

灵敏度算法原理​

调整滑块以增加或降低边缘检测灵敏度。灵敏度越高，检测边缘越多；灵敏度越低，检测边缘越少。

灵敏度影响：

  • 高灵敏度 — 检测更多边缘细节，但可能包含噪声
  • 低灵敏度 — 聚焦显著边缘，可能遗漏细微特征
  • 最佳设置 — 以最低灵敏度检测到足够边缘

image.png

算法行为：
对齐边缘检测算法根据灵敏度设置调整阈值，影响哪些强度梯度被归类为对齐边缘。

置信度阈值原理​

使用此滑块设置对齐有效的最低置信度（1% 表示完全匹配）。建议阈值设定在 0.6-0.9 之间以保证对齐一致性。

置信度计算：

  • 对齐模式相关性 — 模板与检测到的对齐模式的数学相似度
  • 几何一致性 — 边缘特征空间关系的准确性
  • 对齐边缘质量 — 检测边缘模式的强度和清晰度

阈值指导：

  • 0.6-0.9 范围 — 推荐用于稳定的对齐性能
  • 较高值 — 匹配更严格，减少误检
  • 较低值 — 匹配更宽松，可能接受较差对齐

image.png

对齐噪声管理原理​

忽略模板区域用于对齐​

忽略模板区域工具提供画笔界面，用于擦除模板区域中不需要的边缘，屏蔽噪声边缘，聚焦于清晰、可重复的边缘模式。

对齐边缘噪声类别：

  • 纹理复杂表面 — 不适合稳定对齐参考的复杂图案
  • 反射与眩光 — 影响对齐准确性的可变光效
  • 杂质或污染物 — 临时特征，不适合作为位置参考
  • 可变组件 — 可能缺失或损坏，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，保留稳定对齐特征
  • 模式简化 — 聚焦最可靠的边缘信息
  • 一致性优化 — 提升不同工件变体间的对齐可靠性

对齐模式匹配性能原理​

多模板区域对齐​

增加模板区域数量可提升对齐边缘数量，提高对齐模式匹配的可靠性和特异性。

多区域对齐优势：

  • 对齐冗余 — 多个参考点提升对齐鲁棒性
  • 位置特异性 — 更复杂的模式减少误检
  • 对齐精度 — 额外约束提升位置和旋转精度
  • 对齐可靠性 — 即使部分区域被遮挡，系统仍能对齐

对齐失败模式​

常见对齐失败模式：

  • 边缘不足 — 无足够模式信息实现可靠定位
  • 误检对齐 — 算法匹配错误特征导致定位错误
  • 对齐检测不一致 — 部分工件对齐成功，部分失败
  • 低对齐置信度 — 位置匹配低于可接受阈值

对齐优化方案：

  • 对齐模式优化 — 选择更独特且稳定的边缘特征
  • 区域调整 — 修改模板区域大小和位置以改善参考
  • 参数调节 — 调整灵敏度和置信度阈值提升性能
  • 噪声减少 — 使用忽略模板区域工具过滤问题边缘

对齐与固定定位原理​

何时使用模板对齐​

对齐优势：

  • 工件变异容忍 — 适应位置和旋转差异
  • 灵活呈现 — 支持非夹具工件
  • 相对检测 — ROI 自动根据工件位置调整
  • 机器人集成 — 处理可变工件摆放

何时跳过对齐​

固定定位优势：

  • 处理速度 — 无需对齐计算
  • 结果一致 — 检测行为可预测
  • 设置简单 — 无需模板区域和模式匹配
  • 夹具工件可靠 — 机械定位确保一致性

选择标准：
建议对夹具固定或工件呈现非常重复的应用使用跳过对齐选项。

🔗 参见​