openpnp - 吸嘴校正失败的opencv参数分析

news2024/10/4 13:39:11

文章目录

    • openpnp - 吸嘴校正失败的opencv参数分析
    • 概述
    • 笔记
    • 阶段验证 - N2吸嘴校验完
      • NT1
      • NT2
    • 阶段验证 - 底部相机高级校验完
      • NT1
      • NT2
    • 参数比对
    • 保存 “阶段验证 - N2吸嘴校验完” 的NT1/NT2图像
    • 重建参数检测环境
      • NT1ok的3个参数值
      • NT1err的3个参数值
      • NT2ok的3个参数值
      • NT2err的3个参数值
    • DetectCircularSymmetry前3个参数比对结果
    • 找一下这3个参数在哪里?
      • 这3个属性是可覆盖的属性
    • 总结
    • 怎么办?
    • 备注
    • 补充
    • END

openpnp - 吸嘴校正失败的opencv参数分析

概述

在标定设备。
发现在底部相机高级校正结束后,自动归零后的吸嘴自动校验失败了。
好在,我对标定的每个重要节点都做了配置文件备份。
在这里插入图片描述
实现都是在一个时间段,不是外部光线照明变化的影响。
设备放那里,没磕没碰,不是机械部分变动的影响。
且用底部相机高级校正完成之前的备份配置,吸嘴是可以自动归零,自动校验成功的。
且用底部相机高级校正这个备份配置,已经会导致自动归零后,吸嘴自动校验失败。
那么可以肯定,一定是吸嘴校验参数不同的原因。
那就找找吸嘴参数到底哪里不同,在底部相机高级校正完成后,导致吸嘴校验失败。

笔记

阶段验证 - N2吸嘴校验完

将备份恢复到"N2吸嘴校验完"
归零,自动校验吸嘴成功。
打开NT1/NT2的pipeline edit, 记录参数

NT1

在这里插入图片描述

起作用的opencv命令一共3个
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

NT2

在这里插入图片描述

起作用的opencv命令一共3个
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

阶段验证 - 底部相机高级校验完

将备份恢复到"底部相机高级校验完"
归零,自动校验吸嘴失败。
打开NT1/NT2的pipeline edit, 记录参数

NT1

在这里插入图片描述

起作用的opencv命令一共3个
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

NT2

在这里插入图片描述

起作用的opencv命令一共3个
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

参数比对

打开该笔记的2份网页,分屏比对 “阶段验证 - N2吸嘴校验完”和“阶段验证 - 底部相机高级校验完”
发现参数一点都没变。
看来不是参数引起的问题。
那是底部相机高级校正后,拍摄的图像发生了变化?

保存 “阶段验证 - N2吸嘴校验完” 的NT1/NT2图像

也是在图像捕获之后,加入图像保存的命令。

在这里插入图片描述
现在就有了正常/错误的NT1/NT2的图片。
现在用单独启动的CvPipelineEditor看一下,同样的图像检测参数,对于这2组图片的检测效果有何不同?改如何调整图像检测参数?

重建参数检测环境

单独打开CvPipelineEditor
加入命令 ImageRead, 读入保存的图片
加入命令DetectCircularSymmetry, 检测吸嘴内壁
在这里插入图片描述
发现除了前3个参数,其余参数和设备配置中的吸嘴检测参数一致。
但是在设备配置中,这前3个参数是openpnp系统限制死的,不能改。
看一下设备配置中,这3个参数的值。

NT1ok的3个参数值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

NT1err的3个参数值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

NT2ok的3个参数值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

NT2err的3个参数值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

DetectCircularSymmetry前3个参数比对结果

nt1ok/nt2ok
minDiameter = 10, 14
maxDiameter = 20, 27
maxDistance = 122, 122

nt1err/nt2err
minDiameter = 2, 3
maxDiameter = 4, 6
maxDistance = 26, 26

可以看出, 正常版本的前3个值比较大,错误版本的前3个值比较小。
那么在单独的CvPipelineEditor中试试,看看前3个参数比较大容易检测正确?比较小就检测不到?
载入图片,加入DetectCircularSymmetry,勾选诊断选项
在这里插入图片描述

试过了,确实nt1err/nt2err的这3个参数是检测错误的,检测结果根本不在吸嘴内壁,而是离内壁很远。
将前3个值改为2,4,26时如下,检测失败。且检测结果和失败时的检测结果很像。
在这里插入图片描述
将前3个值改为10,20,122时如下,检测成功(虽然没有检测到吸嘴内壁,但是已经检测到了吸嘴外壁)。且检测结果和成功时的检测结果很像。
在这里插入图片描述

找一下这3个参数在哪里?

这3个参数一定是在配置文件里面,找一下,将较小的3个值(2,4,26),改为好使的3个大值(10,20,122)
在4个配置文件中找了一下,没有。应该是带着系数算出来的值。
那在源码中看看,这3个值是咋算出来的。

这3个属性是可覆盖的属性

CvStage.java

        @Override
        public PropertyDescriptor[] getPropertyDescriptors() {
            PropertyDescriptor[] pds = beanInfo.getPropertyDescriptors();
            for (PropertyDescriptor pd : pds) {
                String propertyName = pd.getName();
                Object overrideProperty = getPropertyOverride(propertyName); // !
                String description = CvStage.this.getDescription(propertyName);
                if (overrideProperty != null) { // !
                    try {
                        pd.setReadMethod(null);
                        pd.setWriteMethod(null);
                    }
                    catch (IntrospectionException e) {
                    }
                    description = "<strong color=\"red\">Controlled by pipeline caller: "+propertyName+"="+overrideProperty+"</strong>"
                            + "<br/><br/>"
                            +description; // !
                }
                pd.setShortDescription(description);
            }

新手,调用关系看不出。

总结

openpnp-2022-0801版本的底部相机高级矫正有问题,根据相机的像素不同,大概率会引起问题(在底部相机高级矫正之前的版本,可以自动校验吸嘴。在底部相机高级矫正之后,进行吸嘴检测时,大概率会检测失败)

原因 :给opencv用的检测参数算错了。这3个参数(DetectCircularSymmetry - minDiameter, minDiameter, maxDistance)不该动的,因为图像没变啊。.就是说,就是这3个参数算错了,导致吸嘴校验失败。

怎么办?

  1. 还是使用openpnp-2022-0801版本,进行完顶部相机高级矫正后,就算是标定完成。不过这么做,对于重度洁癖患者心里很隔应。
  2. 使用开发版本 openpnp-dev-2024-0208(实际的版本是 openpnp-dev-2023_0211), 对CVPipeline做了很多改进。看看底部相机高级矫正完成后,吸嘴自动检测是否能成功。

先试试备份的版本,确认一下顶部相机高级校正的备份是否可用。作为最后可用的配置备份。
然后换openpnp-dev-2024-0208,在每个重要的操作点备份配置, 走过底部相机高级矫正,看看吸嘴检测是否正常。

备注

openpnp的官方推荐摄像头都是100W像素的,他们自己测试估计也是用100W摄像头的环境。所以没发现问题。
所以开源软件的硬件,还是用官方推荐的好些。要不好多坑得掉进去。

补充

想进一步确认离"底部相机高级校正"最近的节点,是否能自动校验吸嘴成功?
离“底部相机高级校正”备份最近的节点是"顶部相机高级校正",试过了,“顶部相机高级校正”通过之后的配置备份,是可以正常机械归零,自动校验吸嘴成功的。

特意看了"顶部相机高级校正"过了之后的吸嘴校验配置,(DetectCircularSymmetry - minDiameter, minDiameter, maxDistance)是比较大的正常值。

END

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2188114.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

如何入门运动规划算法? 50篇教程教你手把手推导公式! 实现代码!

经常听到有想入门规划算法的同学说: 各路教程不成体系, 不知从何学起? 网上的规划算法教程资料确实很多. 但是东一篇frenet, 西一篇QP优化, 大部分都是各路大佬写给自己看的学习笔记, 杂乱无章不成体系. 有没有给小白看的, 完整成体系的运动规划算法教程呢? 穷学生囊中羞…

Redis入门第四步:Redis发布与订阅

欢迎继续跟随《Redis新手指南&#xff1a;从入门到精通》专栏的步伐&#xff01;在本文中&#xff0c;我们将深入探讨Redis的发布与订阅&#xff08;Pub/Sub&#xff09;模式。这是一种强大的消息传递机制&#xff0c;适用于各种实时通信场景&#xff0c;如聊天应用、实时通知和…

反调试—1

IsDebuggerPresent() CheckRemoteDebuggerPresent() 其内部实际调用NtQueryInformationProcess() bool _stdcall ThreadCall() {while (true){BOOL pbDebuggerPresent FALSE;CheckRemoteDebuggerPresent(GetCurrentProcess(), &pbDebuggerPresent);if (pbDebuggerPres…

Redis数据库与GO(一):安装,string,hash

安装包地址&#xff1a;https://github.com/tporadowski/redis/releases 建议下载zip版本&#xff0c;解压即可使用。解压后&#xff0c;依次打开目录下的redis-server.exe和redis-cli.exe&#xff0c;redis-cli.exe用于输入指令。 一、基本结构 如图&#xff0c;redis对外有个…

Netgear-WN604 downloadFile.php 信息泄露复现(CVE-2024-6646)

0x01 产品描述&#xff1a; NETGEAR WN604是一款功能强大的双频AC1200无线路由器,非常适合中大型家庭和企业使用。它支持最新的802.11ac无线标准,能提供高达1200Mbps的无线传输速度。路由器具备千兆有线网口和3个100Mbps有线网口,可满足有线和无线设备的接入需求。此外,它还内置…

详解JavaScript中函数式编程

函数式编程 JS并非函数式编程语言&#xff0c;但可以应用函数式编程技术&#xff0c;这种风格很多语言都用&#xff0c;例如Java. 使用函数处理数组 假设有一个数组&#xff0c;数组元素都是数字&#xff0c;我们想要计算这些元素的平均值和标准差。使用非函数式编程风格的话…

vue基于springboot的促销商城购物管理系统带抽奖dm8o6

目录 功能介绍系统实现截图开发工具合计数介绍技术介绍核心代码部分展示可行性分析springboot文件解析详细视频演示源码获取 功能介绍 用户功能 注册登录&#xff1a;允许用户创建账户和登录系统。 个人中心&#xff1a;用户可以查看和编辑个人信息&#xff0c;密码、联系方式…

RabbitMQ篇(死信交换机)

目录 一、简介 二、TTL过期时间 三、应用场景 一、简介 当一个队列中的消息满足下列情况之一时&#xff0c;可以成为死信&#xff08;dead letter&#xff09; 消费者使用basic.reject或者basic.nack声明消费失败&#xff0c;并且消息的requeue参数设置为false消息是一个过…

银河麒麟V10 SP1如何进入救援模式?

银河麒麟V10 SP1如何进入救援模式&#xff1f; 1、准备工作2、进入BIOS/UEFI进入救援模式注意事项 &#x1f496;The Begin&#x1f496;点点关注&#xff0c;收藏不迷路&#x1f496; 在使用银河麒麟高级服务器操作系统V10 SP1时&#xff0c;如果遇到系统无法正常启动或需要进…

Blazor流程编排的艺术:深入Z.Blazor.Diagrams库的使用与实践

为现代网页应用开发提供动力的其中一个重要方面就是前端框架的强大功能与灵活性。而在.NET生态中&#xff0c;Blazor以其独特的工作方式和优势逐渐获得了开发者们的青睐。今天&#xff0c;在这篇文章中&#xff0c;我将带你深入探索一个基于Blazor的优秀库——Z.Blazor.Diagram…

深入理解Linux内核网络(一):内核接收数据包的过程

在应用层执行read调用后就能很方便地接收到来自网络的另一端发送过来的数据&#xff0c;其实在这一行代码下隐藏着非常多的内核组件细节工作。在本节中&#xff0c;将详细讲解数据包如何从内核到应用层&#xff0c;以intel igb网卡为例。 部分内容来源于 《深入理解Linux网络》…

基于SSM在线视频学习系统

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏&#xff1a;…

YOLOv11改进 | Conv篇 | YOLOv11引入RFAConv

1. RFAConv介绍 1.1 摘要:空间注意力已被广泛用于提高卷积神经网络的性能。 然而,它有一定的局限性。 在本文中,我们提出了空间注意力有效性的新视角,即空间注意力机制本质上解决了卷积核参数共享的问题。 然而,空间注意力生成的注意力图中包含的信息对于大尺寸的卷积核来…

4.4章节python中循环结构得互相嵌套:常用于属于图形(长方形、三角形、菱形)

一、定义和注意事项 在Python中&#xff0c;循环结构&#xff08;如for循环和while循环&#xff09;可以互相嵌套。嵌套循环意味着一个循环内部包含另一个循环。这在处理多维数据或需要执行多次迭代的任务时非常有用。 注意&#xff1a; 1.缩进&#xff1a;在Python中&…

【本地免费】SimpleTex 图像识别latex公式

文章目录 相关教程相关文献安装教程 由于mathpix开始收费了&#xff0c;于是本文将介绍一款目前本地免费的SimpleTex工具 相关教程 【超详细安装教程】LaTeX-OCR 图像识别latex公式&#xff08;开源免费&#xff09;_latex图片识别-CSDN博客 相关文献 SimpleTex主页——致力…

Kali或Debian系统安装JDK1.8保姆级教程

一、下载JDK1.8 先到Oracle的官网下载JDK1.8 Java Archive | Oraclehttps://www.oracle.com/java/technologies/downloads/archive/Java Archive Downloads - Java SE 8

基于Java+VUE+echarts大数据智能道路交通信息统计分析管理系统

大数据智能交通管理系统是一种基于Web的系统架构&#xff0c;通过浏览器/服务器&#xff08;B/S&#xff09;模式实现对城市交通数据的高效管理和智能化处理。该系统旨在通过集成各类交通数据&#xff0c;包括但不限于车辆信息、行驶记录、违章情况等&#xff0c;来提升城市管理…

TB6612电机驱动模块(STM32)

目录 一、介绍 二、模块原理 1.原理图 2.电机驱动原理 三、程序设计 main.c文件 Motor.h文件 Motor.c文件 四、实验效果 五、资料获取 项目分享 一、介绍 TB6612FNG 是东芝半导体公司生产的一款直流电机驱动器件&#xff0c;它具有大电流 MOSFET-H 桥结构&#xff…

Nuxt.js 应用中的 app:beforeMount 钩子详解

title: Nuxt.js 应用中的 app:beforeMount 钩子详解 date: 2024/10/4 updated: 2024/10/4 author: cmdragon excerpt: app:beforeMount 是一个强大的钩子,允许开发者在用户界面挂载前控制应用的初始化过程。通过有效利用这一钩子,我们可以优化应用的用户体验,保持状态一…

【AI知识点】分层可导航小世界网络算法 HNSW(Hierarchical Navigable Small World)

HNSW&#xff08;Hierarchical Navigable Small World&#xff09;分层可导航小世界网络算法 是一种高效的近似最近邻搜索&#xff08;Approximate Nearest Neighbor Search, ANN&#xff09; 算法&#xff0c;特别适用于大规模、高维数据集的相似性检索。HNSW 基于小世界网络&…