Geometric Pattern Matching vTool#

Geometric Pattern Matching 의 vTool을 사용하면 학습된 패턴을 바탕으로 이미지의 물체를 가장자리를 기준으로 감지할 수 있습니다.

가장자리를 기반으로 한 매칭은 처리 시간과 메모리 소모가 매우 적기 때문에, 날카로운 가장자리를 가진 물체나 크기가 큰 물체를 탐지하는 데 가장 적합합니다.

Geometric Pattern Matching vTool은 이미지 입력 핀을 통해 이미지를 받아들이고, 출력 핀을 통해 발견된 일치 항목에 대한 정보를 출력합니다.

또한 매칭 중에 사용된 기준 이미지와 입력 이미지의 정렬을 Image Alignment vTool이 수행할 수 있도록 정렬 변환 데이터를 출력합니다. 이를 통해 Measurements vTools는 기준 이미지와 다른 위치에 있는 객체도 측정할 수 있습니다.

관심 영역(ROI)을 지정하기 위해 ROI Creator vTool 관심 영역(ROI)을 지정하면, Geometric Pattern Matching vTool은 Roi 입력 핀을 통해 ROI 데이터를 수신합니다. 이 경우, 매칭 모델의 기본 기준점이 관심 영역 내에 위치할 때만 객체가 탐지됩니다.

관심 영역을 사용하면 해당 특정 영역의 객체에 집중하거나, 잠재적인 오탐지 후보를 제거하거나, 처리 시간을 줄일 수 있습니다.

Calibration vTool에서 제공하는 변환 데이터를 사용하여 매칭 위치를 미터 단위의 월드 좌표로 출력할 수 있습니다(Positions_m 아웃핀을 사용할 수 있게 됨). 이렇게 하려면 매칭 전에 Calibration vTool을 사용하고 두 vTool의 Transformation 출력/입력 핀을 연결하십시오.

Geometric Pattern Matching vTool 라이선스를 구매하려면 Basler 웹사이트를 방문하십시오. 이 라이선스에는 Image Alignment vTool도 포함되어 있습니다.

Geometric Pattern Matching 버전#

Geometric Pattern Matching vTool에는 두 가지 버전이 있습니다. 다음 표에는 두 버전의 차이점이 나와 있습니다. 표의 표제에서 원하는 버전을 클릭하면 이 항목의 해당 섹션으로 바로 이동할 수 있습니다.

작동 방식#

패턴을 정의하고 이를 입력 이미지에 적용하면, 일치하는 부분에 대해 다음과 같은 정보를 얻을 수 있습니다:

• 매칭 점수
• 위치
• 방향
• 수직 및 수평 확대/축소 비율 (vTool Pro 버전에서만 사용 가능)
• 매칭 시각화가 포함된 영역

패턴 정의#

패턴 매칭의 첫 단계는 애플리케이션이 감지해야 할 대상의 대표적인 이미지를 기반으로 모델을 학습시키는 것입니다. 이 학습 이미지에서 펜 중 하나를 사용하여 원하는 패턴을 표시하고 학습시키십시오. 애플리케이션은 이 모델을 사용하여 실제 운영 환경에서 동일한 패턴을 감지합니다. 패턴은 가장자리로 구성됩니다.

기준점 사용#

표시한 패턴에 기준점을 표시할지 여부를 선택할 수 있습니다. 기본적으로 기준점은 패턴의 무게 중심에 위치합니다. 대부분의 경우 이 설정으로 충분합니다.

필요한 경우 기준점을 다른 위치로 이동할 수 있습니다. 예를 들어 로봇 피킹 애플리케이션을 들 수 있습니다. 이러한 시나리오에서는 비전 시스템이 로봇의 그리퍼와 집어 올릴 객체의 형상을 고려하여 로봇의 그리핑 위치를 결정해야 합니다. 이 경우 두 가지 측면을 모두 수용할 수 있도록 이에 맞춰 기준점을 배치할 수 있습니다.

기준점을 표시하려면 먼저 학습 이미지에 패턴을 표시해야 합니다.

Contrast#

‘명암 대비’ 설정은 패턴의 가장자리 명암 대비를 의미합니다. 한편으로는 모든 관련 모델 가장자리가 감지될 수 있도록 명암 대비를 낮게 설정해야 합니다. 다른 한편으로는 노이즈가 있거나 원치 않는 가장자리가 제외될 수 있도록 명암 대비를 충분히 높게 설정해야 합니다. 대부분의 경우 ‘명암 대비 자동’ 기능을 활성화하면 좋은 결과를 얻을 수 있습니다. 이 기능이 활성화되면 vTool이 적절한 명암 대비를 자동으로 결정합니다.

대비 값은 모델에 포함되어 있습니다. 여기서 변경 사항을 적용할 경우, 모델을 다시 학습시켜야 합니다.

Scaling#

크기 조정 옵션은 모델과 검색 이미지에 포함된 객체 간의 크기 허용 오차를 정의합니다.

다음과 같이 세 가지 다른 크기 조정 옵션을 사용할 수 있습니다:

• 크기 조정 안 함: 카메라와 피사체 사이의 거리나 피사체 자체의 크기가 일정할 경우 이 옵션을 선택하십시오.
• 등방성 스케일링: 등방성 스케일링을 사용하면 카메라와 피사체 사이의 거리 변화나 피사체의 크기 변화를 보정할 수 있습니다.
• 이방성 크기 조정: 이방성 크기 조정이란 수직 및 수평 두 방향에서 크기 조정이 이루어진다는 것을 의미합니다. 따라서 객체의 길이와 너비는 서로 다른 정도로 달라질 수 있습니다. 이 옵션은 예를 들어, 길이와 너비가 서로 다른 직사각형을 감지할 때 유용합니다.

스케일링 설정은 모델에 포함되어 있습니다. 여기서 설정을 변경할 경우, 모델을 다시 학습시켜야 합니다.

Polarity#

패턴 매칭 알고리즘은 템플릿과 검색 이미지의 에지를 기반으로 합니다. 에지란 인접한 에지 점들의 집합을 말합니다.

따라서, 에지 포인트는 배경과 검색 패턴 사이의 경계, 즉 밝은 픽셀에서 어두운 픽셀로, 또는 어두운 픽셀에서 밝은 픽셀로 전환되는 지점을 나타냅니다. 에지 포인트의 극성은 이러한 회색조 전환의 방향을 나타냅니다.

검색 대상 이미지의 가장자리 점의 극성에 대해서는 다음 세 가지 옵션이 제공됩니다:

• 동일성: 검색 이미지의 모든 가장자리 점의 극성은 템플릿 이미지의 극성과 동일해야 합니다. 검색 이미지의 일부 가장자리 점의 극성이 템플릿 이미지의 극성과 다를 경우, 패턴이 여전히 탐지될 수는 있지만 점수는 낮아집니다.
• 동일한 패턴과 반전된 패턴: 극성이 반전된 가장자리 점도 감지됩니다. 즉, 동일한 패턴과 반전된 패턴이 모두 감지된다는 의미입니다. 간단한 예로 원형 모양을 감지할 때, 밝은 배경 위의 어두운 원과 어두운 배경 위의 밝은 원이 모두 동일한 모델을 사용하여 감지됩니다.
• 극성 무시: 가장자리 점의 극성은 무시됩니다. 즉, 어떤 극성을 가진 가장자리 점이든 감지됩니다.
  예시: 밝은 배경 위에 있는 회색 원의 패턴을 학습시킵니다. 그 결과, 밝은 배경 위의 회색 원, 어두운 배경 위의 밝은 원, 그리고 밝은 영역과 어두운 영역이 혼합된 배경 위의 원까지 모두 감지됩니다. 검색 이미지에서 지정된 최소 가장자리 대비 조건을 충족하는 가장자리 점의 수가 줄어들기 때문에, 일치 점수가 약간 낮아질 수 있다는 점에 유의하십시오.

다음 표는 사용 가능한 다양한 극성 옵션을 보여줍니다:

극성 설정	템플릿 이미지	탐지된 패턴
동일한
동일하고 반전된
극성 무시

감지 각도#

일부 응용 분야에서는 감지 대상 패턴의 방향이 모델에 대해 회전할 수 있는 각도를 제한하는 것이 유용할 수 있습니다. 이를 통해 처리 속도와 내결함성을 높일 수 있습니다.

감지 각도의 범위를 정의하는 두 가지 옵션이 있습니다:

• 목표: 이는 패턴이 모델에서 회전하더라도 여전히 감지될 수 있는 최대 회전 각도입니다. 감지하려는 패턴의 예상 평균 회전 각도에 따라 값을 선택하십시오. 기본 설정은 0°이며, 이는 검색 이미지 내 패턴의 방향이 모델과 동일하다고 가정함을 의미합니다. 일정한 편차를 허용하려면 적절한 허용 오차를 선택하십시오.
• 허용 오차: 이 옵션을 사용하면 감지 각도의 허용 오차를 지정할 수 있습니다. 즉, 목표 각도를 중심으로 한 각도 범위를 정의합니다. 기본 설정은 180°이며, 이는 360° 회전이 허용됨을 의미합니다.

표적 및 허용오차 설정을 바탕으로, 탐지 각도의 범위는 다음과 같이 계산할 수 있습니다. 즉, (표적 - 허용오차)에서 시작하여 (표적 + 허용오차)에서 끝납니다.

예시: 애플리케이션 내 객체가 10°에서 30° 사이의 범위 내에서 회전되어 표시될 수 있다는 것을 알고 있다면, 목표 각도를 20°로, 각도 허용 오차를 10°로 설정하십시오.

각도를 제한하는 기능은 대칭성을 지닌 도형에 특히 유용합니다. 직사각형의 경우 허용 오차를 90°로 설정하고, 원의 경우 허용 오차를 0°로 설정하십시오.

실행 설정#

• Matches: 애플리케이션에서 발생할 수 있는 객체의 수가 제한적인 경우, 가능한 매치 수를 정확히 이 숫자로 제한하는 것이 좋습니다. 이렇게 하면 처리 속도와 안정성이 향상됩니다.
• 점수: 모든 일치에 대해 점수 값이 계산됩니다. 이 점수는 이미지의 실제 객체가 패턴 모델과 얼마나 유사한지를 나타냅니다. 예를 들어, 점수 값이 0.9라면 전체 모델 점수의 90%가 검색 이미지의 가장자리와 일치할 수 있음을 의미합니다.
  최적의 점수 설정을 찾으려면 적당한 값으로 시작하여 몇 가지 테스트 이미지를 실행해 보십시오. 'Scores' 핀의 출력 값을 관찰하십시오. 확실하게 일치 항목을 찾으려면, 항상 'Score' 옵션을 'Scores' 핀에서 출력되는 점수보다 낮은 값으로 설정하십시오. 이는 모범 사례이며, 어느 정도의 허용 오차를 두기 위해 권장되는 방법입니다.
  테스트 이미지에서 확인된 최저 스코어 출력 값의 50~80% 사이의 스코어 값을 선택하십시오. 스코어가 너무 낮게 설정된 경우, 원치 않는 일치 항목도 감지될 수 있습니다. 이 경우, 테스트 이미지에서 의도한 패턴만 발견될 때까지 스코어 값을 재조정하십시오.
  한 이미지에 여러 개의 일치 항목이 있는 경우, 스코어 순서대로 내림차순으로 정렬됩니다.
• 타임아웃: 시간 민감형 애플리케이션의 경우 타임아웃을 지정할 수 있습니다. 타임아웃은 처리 시간이 변동적이거나 예측할 수 없는 경우, 예를 들어 이미지에 학습된 패턴이 포함되어 있지 않은 경우 등에 유용합니다. 타임아웃을 지정하면, 지정된 시간이 경과한 후 감지 프로세스가 중단되고 다음 이미지로 넘어갑니다.
  Basler는 타임아웃을 원하는 시간 제한보다 약간 짧게 설정할 것을 권장합니다. 이는 vTool이 탐지 과정을 즉시 중단하지 않기 때문입니다. 따라서 타임아웃을 원하는 시간 제한의 70~80% 수준으로 설정하십시오.

출력 설정#

정렬 변환#

정렬 변환 데이터를 출력하려면 다음 두 가지 옵션 중에서 선택할 수 있습니다.

• Single value: 첫 번째 매치에 대한 정렬 변환 데이터만 출력합니다. 이 경우 출력 핀 이름은 AlignmentTf입니다.
• Array: 발견된 모든 매치에 대한 정렬 변환 데이터를 배열로 출력합니다. 이 경우 출력 핀 이름은 AlignmentTfs입니다.

위치 출력#

일치하는 객체의 위치에 대해 절대 좌표를 출력할지, 상대 좌표를 출력할지 선택할 수 있습니다:

• Absolute는 좌표가 이미지 좌표계의 원점(0,0)을 기준으로 함을 의미합니다. 영역 픽셀의 좌표도 원점을 기반으로 합니다.
• Relative는 좌표가 기준점(reference point)을 기준으로 함을 의미합니다. 영역 픽셀의 좌표가 그에 따라 변환됩니다.

캘리브레이션 사용#

매칭 결과로 얻은 위치는 미터 단위의 세계 좌표계로도 출력할 수 있습니다. 이를 위해서는 ‘Calibration’ vTool의 ‘Transformation’ 출력 핀을 ‘ Geometric Pattern Matching ’ vTool의 ‘Transformation’ 입력 핀에 연결하십시오.

Geometric Pattern Matching vTool을 설정할 때는 실제 처리 시와 동일한 보정 구성을 사용해야 합니다.

문제 해결#

일반적인 사용 사례#

• Counting 객체: 이 경우 Scores 출력 pin의 요소 수만 관련이 있습니다.
• image coordinates에서 Locating 객체: 후속 처리를 위해 Positions_px 및 Angles_rad 출력 pin을 사용하십시오.
• world coordinates에서 Locating 객체: 객체의 위치를 전송하려면(예: 로봇이 객체를 집어 들 수 있도록) Positions_m 및 Angles_rad 출력 pin을 사용하십시오.
• 물체의 크기 측정: VScalingFactors 및 HScalingFactors 출력 핀을 사용하여 크기나 물체 간 거리 변화를 측정합니다.

패턴 매칭 결과의 대표적인 예는 다음과 같습니다:

Geometric Pattern Matching 기본#

Geometric Pattern Matching Basic vTool은 이미지에서 완전히 보이는 물체만 감지합니다. 패턴 정의 과정에서 표시된 픽셀은 패턴을 학습시킬 때 물체의 일부로 간주됩니다.

물체의 픽셀 중 단 하나라도 이미지 밖으로 벗어나면, 해당 물체는 전혀 감지되지 않거나 잘못된 위치에서 감지되어 점수가 낮아집니다. 따라서 Basler는 가능한 한 가장 작은 펜을 사용할 것을 권장합니다.

피사체는 학습된 패턴에 있는 피사체와 크기가 정확히 같아야 하며, 카메라로부터의 거리도 동일해야 합니다. 크기나 거리, 또는 둘 다에 차이가 있을 것으로 예상된다면, ‘Geometric Pattern Matching Pro’ vTool을 사용하십시오. 이 vTool은 Scaling 옵션을 제공합니다.

Positions_px 출력 핀은 오브젝트의 위치를 정수 값으로 반환합니다. 서브 픽셀 수준의 정밀도가 필요한 경우 ‘Geometric Pattern Matching ’ Pro vTool을 사용하십시오.

vTool 구성#

Geometric Pattern Matching Basic vTool을 구성하려면:

1. vTool 설정 영역의 ‘레시피 관리’ 창에서 ‘설정 열기’를 클릭하거나 vTool을 두 번 클릭합니다.
   ‘Geometric Pattern Matching Basic’ 대화 상자가 열립니다.
2. 티칭 이미지를 캡처하거나 엽니다.
   Single Shot 버튼을 사용하여 라이브 이미지를 획득하거나 Open Image 버튼을 클릭하여 기존 이미지를 엽니다.
3. 펜을 사용하여 그림에 원하는 모양을 그려보세요.
   그림을 수정하려면 지우개를 사용하거나 완전히 지우세요.
4. ‘모델 설정: 대비’ 영역에서 대비를 조정하여 모델의 관련 에지를 감지하십시오.
   모델의 에지는 ‘에지 시각화’에서 선택한 색상으로 학습 이미지에 표시됩니다.
5. 도구 모음에서 Teach 버튼을 클릭하여 매칭 모델을 학습(Teach)시킵니다.
6. 필요한 경우 [참조점 표시]를 클릭하여 참조점을 표시합니다.
   참조점이 패턴의 중앙에 표시되고 [참조점 수동 설정 ] 버튼을 사용할 수 있게 됩니다. 이제 참조점을 원하는 위치로 드래그할 수 있습니다. [참조점 수동 설정 ]을 다시 클릭하면 참조점이 기본 위치로 돌아갑니다.
7. 원하는 경우 Execution Settings 영역의 Matches 설정을 조정하여 일치 항목 수를 최대값으로 제한합니다.
8. 필요한 경우 대상 객체만 찾을 수 있도록 Score 설정을 조정합니다.
9. 시간 초과를 지정하려면 No timeout 확인란의 선택을 해제하고 입력 필드에 원하는 시간 초과 값을 입력합니다.
10. 단일 일치 항목에 대한 정렬 변환 데이터를 출력할지, 아니면 발견된 모든 일치 항목에 대해 출력할지 지정합니다.

핀 데이터 보기에서 패턴 매칭 결과를 확인할 수 있습니다. 여기에서 표시할 출력을 선택할 수 있습니다.

Geometric Pattern Matching Pro#

Geometric Pattern Matching Pro vTool은 패턴 감지 기능에서 가장 뛰어난 유연성을 제공합니다.

이 Scaling 옵션을 사용하면, 물체의 크기가 학습된 패턴과 다르거나 카메라와 물체 사이의 거리가 달라지더라도 물체를 계속 감지할 수 있습니다. 또한, 이미지 영역에서 완전히 보이지 않는 물체도 감지되며, 일치하는 위치가 서브픽셀 단위의 정확도로 반환됩니다.

'극성' 옵션을 사용하면 패턴의 모서리 점이 모델의 모서리 점과 동일한 극성을 가져야 하는지, 아니면 극성이 다른 모서리 점을 가진 패턴도 감지될 수 있도록 할지 지정할 수 있습니다.

탐지 각도 옵션을 사용하면 패턴의 회전 각도가 모델에서 얼마나 벗어나도록 허용할지 제한할 수 있습니다.

vTool 구성#

Geometric Pattern Matching Pro vTool을 구성하려면:

1. vTool 설정 영역의 ‘레시피 관리’ 창에서 ‘설정 열기’를 클릭하거나 vTool을 두 번 클릭합니다.
   ‘Geometric Pattern Matching Pro’ 대화 상자가 열립니다.
2. 티칭 이미지를 캡처하거나 엽니다.
   Single Shot 버튼을 사용하여 라이브 이미지를 획득하거나 Open Image 버튼을 클릭하여 기존 이미지를 엽니다.
3. 펜을 사용하여 그림에 원하는 모양을 그려보세요.
   그림을 수정하려면 지우개를 사용하거나 완전히 지우세요.
4. ‘모델 설정’ 영역에서 ‘명암비’를 조정하여 모델의 관련 에지를 감지하십시오.
   모델의 에지는 ‘에지 시각화’에서 선택한 색상으로 교육 이미지에 표시됩니다.

5. ‘모델 설정’ 영역에서 원하는 경우 다음 옵션을 구성하십시오:

   • Scaling: 원하는 옵션을 선택하고, 사용 목적에 따라 확대/축소 범위를 조정하십시오.
   • 극성: 사용 용도에 따라 원하는 옵션을 선택하십시오.
   • 감지 각도: 사용 용도에 따라 감지 각도를 줄이거나 조정하십시오.

6. 도구 모음에서 Teach 버튼을 클릭하여 매칭 모델을 학습(Teach)시킵니다.

7. 필요한 경우 [참조점 표시]를 클릭하여 참조점을 표시합니다.
   참조점이 패턴의 중앙에 표시되고 [참조점 수동 설정 ] 버튼을 사용할 수 있게 됩니다. 이제 참조점을 원하는 위치로 드래그할 수 있습니다. [참조점 수동 설정 ]을 다시 클릭하면 참조점이 기본 위치로 돌아갑니다.
8. 원하는 경우 Execution Settings 영역의 Matches 설정을 조정하여 일치 항목 수를 최대값으로 제한합니다.
9. 필요한 경우 대상 객체만 찾을 수 있도록 Score 설정을 조정합니다.
10. 시간 초과를 지정하려면 No timeout 확인란의 선택을 해제하고 입력 필드에 원하는 시간 초과 값을 입력합니다.
11. 단일 일치 항목에 대한 정렬 변환 데이터를 출력할지, 아니면 발견된 모든 일치 항목에 대해 출력할지 지정합니다.

핀 데이터 보기에서 패턴 매칭 결과를 확인할 수 있습니다. 여기에서 표시할 출력을 선택할 수 있습니다.

Inputs#

Image#

Camera vTool 또는 이미지를 출력하는 vTool(예: Image Format Converter vTool)로부터 직접 이미지를 수신합니다.

• Data type: Image
• 이미지 포맷: 8비트~16비트 모노 또는 컬러 이미지. 컬러 이미지는 내부적으로 모노 이미지로 변환됩니다.

Roi#

ROI Creator vTool 또는 영역이나 직사각형을 출력하는 기타 vTool에서 관심 영역(ROI)을 허용합니다. 여러 개의 직사각형 또는 영역이 내부적으로 병합되어 하나의 관심 영역을 형성합니다.

• 데이터 유형: RectangleF, RectangleF Array, Region, Region Array

변환(Transformation)#

Calibration vTool에서 변환 데이터를 허용합니다.

• 데이터 유형: Transformation Data

Outputs#

점수#

일치 항목의 점수를 내림차순으로 반환합니다.

• 데이터 유형: Float Array

Positions_px#

이미지 좌표(행/열)로 일치 항목의 위치를 반환합니다.

• 데이터 유형: PointF Array

Positions_m#

미터 단위(x/y)의 월드 좌표로 일치 항목의 위치를 반환합니다.

• 데이터 유형: PointF Array

Angles_rad#

라디안 단위로 일치 항목의 방향을 반환합니다.

• 데이터 유형: Float Array

VScalingFactors#

일치 항목의 세로 방향 배율을 반환합니다.

• 데이터 유형: Float Array

H스케일링 계수#

일치 항목의 가로 스케일링 계수를 반환합니다.

• 데이터 유형: Float Array

Regions#

발견된 모든 일치 항목에 대한 영역을 반환합니다.

• Data type: Region Array

AlignmentTf#

Image Alignment vTool이(가) 입력 이미지의 개체를 매칭 중에 사용된 기준 개체와 정렬하는 데 사용하는 변환 데이터를 반환합니다. 정렬 변환 출력(alignment transformation output)이 Single value로 설정됩니다.

• 데이터 유형: Transformation Data

AlignmentTfs#

Image Alignment vTool이(가) 입력 이미지의 개체를 매칭 중에 사용된 기준 개체와 정렬하는 데 사용하는 변환 데이터를 반환합니다. 정렬 변환 출력(alignment transformation output)이 Array로 설정됩니다.

• 데이터 유형: Transformation Data Array

관련 vTools#

일반적인 선행 vTool#

• 카메라 vTool
• 보정 vTool

일반적인 후행 vTool#

• Measurements Basic vTool
• Circle Measurements Pro vTool
• Ellipse Measurements Pro vTool
• Line Measurements Pro vTool
• Rectangle Measurements Pro vTool