총 33 건
1. 기능 소개 • AOI-Search 모드의 동적 버전. • 3D 실시간 이미지 취득 중에도 동작 • 경사면이 있는 물체 스캔 시 유용한 기능 • AOI OffsetY 값이 실시간으로 변경된다. • 경사면이 잇는 물체를 스캔하기 위해서는 넓은 영역의 AOI가 필요 • 2D Image 모드에서는 동작 불가 • 3D 모드에서만 사용 가능. • 실시간 적용 가능하며 P,I,D는 기본 값을 권장 (PID Controller에 관한 이론적인 내용은 링크 참고) 알고리즘(Algorithm) • Min(Minimum) • 레이저 라인이 AOI의 최소 위치에 배치. • Range • 레이저 라인의 최소, 최대 위치가 감지되고 평균 값으로 AOI 내에 배치. • Mean • 레이저 라인의 유효한 선이 감지되어 AOI 내에 배치. Column Evaluation Mask • AOI 너비가 센서 너비보다 작은 경우, 속도 증가를 위해 설정이 필요. • 가로 방향에 대한 Mask 설정. 2. 적용 과정 3DExplorer AOI-Tracking • AOI-Tracking 파라미터 설정. • AOI-Tracking 결과.
2022.10.271.카메라 설정 (모드 및 촬영 주기 설정) FreeRun 모드 카메라에 설정된 Line Interval(Period)과 Exposure Time으로 촬영 카메라 설정 예시를 들기 위해 임의의 사양 지정 Pixel Size(카메라 픽셀 사이즈) : 3.5um x 3.5um Lens Magnification(렌즈 배율) : 0.7x Resolution(실제 분해능) : 3.5um(카메라 픽셀 사이즈) / 0.7(렌즈 배율) = 5um 카메라 설정 예시를 들기 위해 임의의 사양 지정 Motion Speed(모션 속도) 10mm/s Line Interval(촬영 주기) : 5um(실제 분해능) / 10mm/s(모션 속도) = 500us Exposure Time(노출) : 500us(촬영 주기) – 2.1us(Offset Time) = 497.9us 카메라가 이미지 취득 후 다음 동작을 위해서 Offset Time이 필요하며, 센서 종류 또는 카메라 제조사마다 값이 상이합니다. -> 사용할 TAP 모드를 설정합니다. -> 파라미터를 Internal 로 설정합니다. 영역의 값을 조정하여 같이 Exposure Time과 Line interval이 나오도록 조정합니다. 2. Multicam Camfile 열기(SP-Free Run Camfile) Multicam Studio를 관리자 권한으로 실행합니다. Multicam Studio의 가장 좌 상단에 위치한 을 클릭합니다. Camera Link 인터페이스 라디오 버튼을 선택 후 버튼을 클릭합니다. 아이콘을 클릭하여 Camfile이 있는 경로를 선택합니다. 제조사 하위에 있는 카메라 모델명을 선택하고 버튼을 클릭합니다. Camfile / Topology / Connector 선택 Camfile을 선택 및 하단에 표기된 Camfile 이름을 확인 후 버튼을 클릭합니다. 보드의 종류에 따른 Topology / Connector 선택 Full / Base : Topology -> / Connector -> DualBase : Topology -> / Connector -> 또는 설정을 모두 끝마치고 버튼을 누르면 Camfile이 열립니다. SP Camfile 확인Topology / Connector 선택Camfile / Topology / Connector 선택 하단 이미지에 붉은 영역으로 표기된 영역과 같이 Camfile이 Open 됬는지 확인합니다. 3. 카메라 영상 취득 (Multicam 영상취득) Multicam 상단의 Acquisition Start 버튼을 클릭합니다. SeqLength_Ln : 취득할 라인 수를 설정합니다. PageLength_Ln : 이미지 버퍼의 세로 해상도를 설정합니다. 4. 영상 취득 주의 사항 - 촬영간격 (Interval)에 따른 비율 변화 영상 비율 문제 파라미터 설정이 잘못 된 경우
2022.10.271.AOI 모드 선택 Speed / Output format의 리스트 박스 항목 중 AOI 모드를 선택합니다. 2. AOI 영역 설정 AOI의 영역 설정을 위해 LVAL width에 (설정할 해상도 / Tap) 값을 입력합니다. LVAL width x 4가 아닌 LVAL width x Tap로 동작합니다. (표기 오류) 예시로 AOI 2Tap 사용 시 1024 Pixel로 AOI 하고 싶다면 LVAL width 값에 512를 입력합니다. 3. AOI 영역 OffSet 설정 AOI 사용 시 이미지 취득 영역을 센서 중심부로 옮기기 위하여 Offset을 설정합니다. Beginning pixel of video output 텍스트 박스에입력 값 x 4(표기 되있는 수치) 만큼 Offset 값으로 설정되어 카메라에 적용됩니다. 예시로 4K 카메라를 AOI하여 1024Pixel로 설정한 경우[센서 크기(4096) – AOI 영역(1024)] / 2 = 1536(Offset)로 설정하면 센서 중심 기준의 AOI가 설정됩니다.
2022.10.271. 준비단계 카메라의 Calibration 을 하려면 하얗고 균일한 물체가 필요합니다 EX) 디퓨저 또는 A4용지 , 기타 흰 물체 등등 Calibration 진행 전 물체 표면에 영향을 최소화 할 수 있도록 물체와의 WD (Working Distance)를 멀게 세팅 하여 초점을 무너트립니다. 2. 이미지 취득 카메라의 Calibration 을 하려면 영상 데이터가 취득되고 있어야 합니다. 카메라는 Calibration 물체의 한 라인만 촬영해야 합니다, (모션 정지상태) Euresys의 Multicam 또는 타사의 SDk를 이용하여 영상 데이터 취득을 시작합니다 Line Sensor Communication Toll의 "FFC(Auto)"탭을 선택 합니다. 3. 데이터 클리어 FFC를 시작하기 전 카메라의 데이터를 초기화하는 작업을 진행합니다. VIDIO output 그룹의 "OriginalImage" 버튼을 클릭합니다 Auto FFC Flow의 "Clear" 버튼을 클릭합니다. "Dsable the confirmation window"의 체크박스를 체크합니다. 4. Black Level Correction (DSNU) 카메라 렌즈 마개를 이용하여 빛을 차단시켜 이미지를 어둡게 세팅합니다. FFC Target Level for Black 값은 Default 값인 3으로 사용합니다. -> -> 버튼을 순서대로 클릭합니다 버튼이 활성화 되면 Black Level Correction이 완료 됩니다. 5. Black Level Correction (DSNU) 이미지 데이터가 빛을 수광 할 때 포화되지 않는 Level로 설정합니다. 조명, Exposure Tiem , 조리개 등으로 설정 가능 FFC target level for gray 값은 수광 이미지의 평균 Gray Level보다 20~40높게 설정합니다. -> 버튼을 순서대로 클릭 합니다. 버튼이 다시 활성화 되면 Gray Level Correction이 완료 됩니다. Save Correction 그룹 박스에 버튼을 클릭하여 카메라 내부에 데이터를 저장합니다. 6. FFC 적용 전 / 후 차이 FFC 적용 전 노이즈를 부각한 이미지 데이터레 FFC를 사용하여 하기 첨부된 이미지 예시와 같이 균일하게 Calibration 할 수 있습니다.
2022.10.261. 카메라 통신 연결(시리얼 통신 연결) Comport 설정 방법 : Euresys Frame Grabber Multicam Studio를 관리자 권한으로 실행합니다. Multicam Studio의 상단 메뉴의 Tool -> Board Information을 선택 후 SerialControl 텍스트 박스에 사용 하고 싶은 가상 Comport 를 입력합니다. Ex) com8 Comport 확인 방법 : Matrox Frame Grabber 내 PC 또는 내 컴퓨터의 관리 창을 실행합니다. 컴퓨터 관리 -> 장치 관리자 -> 포트 – Matrox Com por 0의 번호를 확인합니다. 카메라 통신 툴 연결 방법 LineSensorCommunication Tool을 관리자 권한으로 실행합니다. Comport 선택 후 "Open" -> "Reload" 버튼을 클릭하면 카메라 파라미터가 활성화 됩니다. 2.카메라 파라미터 설명 Exposure Time : 카메라의 Exposure Time을 설정합니다. Line interval : 1:ine 당 카메라의 촬영 주기를 설정합니다 . Sync control mode : 카메라의 동작을 Internal 또는 External 모드로 설정합니다 Exposure control mode : 카메라의 노출 제어 방식을 설정합니다. Sync Control mode -> Internal 설정 Line interval : 카메라에 설정된 Exposure time으로 동작합니다. Sysc control mode -> External 설정 programmable : 카메라에 설정된 Exposure Time으로 동작합니다 Pulse width : 외부에서 인가되믄 Pulse 폭에 의해 Exposure Time이 동작 합니다. Speend / Output Format : 카메라의 속도 , TAP 설정 관련 파라미터를 설정할 수 있습니다. Test pattern : 프레임 그래버로 전송할 테스트 패턴 이미지를 설정 할 수 있습니다. User id : 카메라 고유 Index를 설정할 수 있으며 0~255까지 설정 가능합니다. Output bit : 카메라에서 출력할 bit 수를 설정 할 수 있습니다 . Gain A (Digital Gain) : 디지털 게인을 설정할 수 있습니다. Analog gain : 아날로그 게인을 On / Off 설정할 수 있으며 On시 4배의 Gain이 설정됩니다. RGB digital gain : 컬러 카메라의 R,B,Gr,Gb Gain을 개별로 조절 할 수 있습니다. 3. 카메라 EEPROM 이용 방법 (카메라 내부 메모리) : 카메라의 EEPROM에 설정한 파라미터 값을 저장합니다 : 카메라 EEPROM에 저장된 파라미터 값을 불러옵니다 : 카메라에 설정된 파라미터 값을 초기화 시킵니다. (EEPROM에 설정된 값 또한 초기화 시킵니다.) * EEPROM : 카메라 내부에 있는 데이터로 불러오기 / 저장하기 가능한 메모리를 의미하며 , 저장된 데이터는 전원을 다시 인가하여도 카메라에 남아있습니다. 4. 카메라 데이터 파일 이용방법 (카메라 파라미터 데이터 파일) "To file" : History Log 창에 있는 파라미터 제어 정보를 데이터 파일로 저장합니다 History Log에 있는 기록들이 파일로 저장되므로 파일 저장전 반드시 "Cls" 후 "Reload" 버튼을 클릭하여 파라미터 정보를 새로 갱신 후"Reload"버튼을 클릭하여 저장합니다. "Load": 카메라 파라미터를 담고 있는 선택 후 불러옵니다. (아직 카메라로 데이터는 전송되지 않은 상태) "Send" : 불러온 카메라 파라미터 파일의 정보를 카메라로 전송 합니다. (카메라로 전송을 됐으나 파라미터 창에 정보 갱신은 되지않은 상태) "Reload" : 변경된 카메라 정보를 파라미터 창에 갱신 합니다. "Cls": 카메라와 통신 한 History Log를 제거 합니다, " to Clipboard" : History log 의 모든 텍스트를 복사 합니다. "Send" : Send 버튼 우측에 기입된 단일 메세지를 카메라로 전송 합니다. "Trans" : 카메라 컨트롤 툴을 반 투명화 시킵니다.
2022.10.26Height Image 연동 및 사용 ZMap 연동 방법 PointCloud 연동 방법 Easy3D Object 사용 ZMap <--> PointCloud Convert ZMap <--> Easy3D Object
2022.10.261. Read Grading Compute Grading 체크하여 사용할 경우 Matrix Code의 등급(Grade) 값을 얻을 수 있습니다. Result 디코딩 된 문자열(Code), 논리적인 크기(Logical Size), 수정된 오류 개수(Errors Corrected), 코드에 대한 대비(Contrast), 상하, 좌우 반전 여부(Flipping), 인코딩 유형(Family), GS1 Encoded 값이 표시됩니다. Message Reading에 Error가 발생할 경우 Error에 대한 메시지 출력 2. Learn Symbol Size 사용자가 원하는 Matrix Code의 Symbol 사이즈 선택 학습 가능 Contrast 사용자가 원하는 Matrix Code 위치의 대비 차에 대한 검사 선택 학습 가능 Flipping Flip된 Matrix Code에 대한 검사 여부에 대해 사용자가 선택 학습 가능 Family 사용자가 원하는 Matrix Code의 Version ( ECC000, ECC050, ECC080, ECC100, ECC140, ECC200 )에 대해 선택 학습 가능 Code / Errors Corrected 학습된 Matrix Code의 디코딩 결과 및 Errors Corrected 수 출력 Model 학습 Model File ( *.MX2 ) 저장 및 불러오기 3. Advanced Timeout 검사 처리 시간에 대한 값 설정 단위는 [ms] 입니다. ( Ex) 5000 => 5초 ) 4. AIM BC11 / ISO 15415 / ISO 29158 / SEMI T10 AIM BC11 (= ANSI/AIM ), ISO 15415 (= ISO/IEC 15415 ), ISO 29158 (= ISO/IEC TR 29158 ), SEMI T10 (= SEMI T10-0701 ) 여러 표준에 대한 Matrix Code 등급을 기반으로 코드의 품질을 검증할 수 있습니다. ( ※ 해당 탭의 결과는 Read Tap의 Compute Grading를 체크 할 경우 보여집니다.)
2022.10.261.Learning Minimum Reduced Area Matching을 실행할 Processing 단계를 설정합니다. 권장 값은 64이며, 그 이상/이하의 값을 권하지 않습니다. 값을 줄이게 되면 속도가 빨라지며, 값을 키우면 속도가 느려집니다. 대부분의 경우 64 값이 최적입니다. Advanced Learning 해당 파라미터가 활성화되면, 최적의 Minimum Reduced Area 값을 결정합니다. 다른 파라미터에는 영향을 주지 않습니다. 만약, Minimum Reduced Area 파라미터의 값을 수동으로 변경하면 Advanced Learning은 자동적으로 비활성화 됩니다. Filtering ① Uniform Low-Pass를 사용할 때를 제외한 경우에 사용합니다. ② Low-Pass 이미지가 선명할 때 사용합니다. Pixel Dimensions Pixel의 가로, 세로 비율을 설정합니다. 정사각형이 아닌 방식으로 이미지를 획득한 경우, 픽셀과 이미지의 비율을 등가로 설정 가능합니다. 2. Matching Max Occurrences 최대 검사 개수를 설정합니다. Max Initial Occurrences 최초의 Processing 과정에서 설정된 수만큼 패턴과 유사한 후보 위치를 지정합니다. 지정된 후보는 Processing이 진행되면서 유사도가 낮을 시에 제거됩니다. Min Score 검사 결과의 최소 유사도를 지정합니다. Final Reduction Matching의 처리 속도를 높이기 위해 생략할 Processing 단계를 설정합니다. 값을 높이면 처리 속도는 빨라지지만, 생략 단계가 늘어날수록 정확도는 떨어집니다. Contrast Normal 모델과 검사 이미지가 같은 Contrast 극성일 때 사용합니다(기본값). Inverse 모델과 검사 이미지가 반대의 Contrast 극성일 때 사용합니다. Any Normal과 Inverse 모두 사용합니다. Correlation Mode Standard : 패턴 이미지에 Offset과 Gain 보정을 적용하지 않습니다. Offset Normalized : 패턴 이미지에 Offset 보정을 적용합니다. Gain Normalized : 패턴 이미지에 Gain 보정을 적용합니다. Normalized : Offset Normalized와 Gain Normalized 모두 적용됩니다. Angle (Deg) 각도 허용치를 설정합니다. (Min~Max) Scale (%) Isotropic : 크기 허용치를 비율로 설정합니다. Anisotropic : 크기 허용치를 X축, Y축 개별로 설정합니다. 3. Don't Care Areras Blacken Inside 선택한 도형을 그리면, 도형 내부가 0으로 마스크 처리됩니다. Blacken Outside 선택한 도형을 그리면, 도형 외부가 0으로 마스크 처리됩니다. Don’t care Threshold Threshold 이하의 값을 무시합니다.
2022.10.261. Neural Network Classification 미리 정의된 클래스 목록 중 가장 확률이 높은 클래스로 분류합니다. Firefly-DL 카메라는 인식된 현재 클래스와 그를 결정하게 된 백분율을 제공 합니다. Object Detection 미리 정의된 클래스 목록 중 이미지 내에 있는 각각의 객체에 대한 확률이 높은 클래스로 분류 합니다 이미지 내의 위치정도(Bounding Box)를 제공 합니다. 동일한 이미지 내에서 다수의 클래스를 검출 할 수 있습니다. 2. 환경 구축하기 OverView 미리 학습된 신경망을 재 학습하여 Movidius Chipset 전용 형식으로 변환 하고, 재 학습된 신경망을 FFY-DL모델에 탑재하여 Deep Learning 검사환경을 구현 합니다. Neural Network의 구축, Firefly-DL에서 Inference가 가능하도록 변환하는 프로세스를 실행 하기 위해서는, 환경 구성이 필요 합니다. 요구되는 프로그램이 이미 설치 되어 있는 경우 (Spinnaker 제외), 프로그램 설정으로 인한 충돌을 방지하고자 재설치를 진행하는 것을 권장 드립니다. Neuro Utility PC에서 사용되는 네트워크 파일 (Neural Network)을 Firefly-DL에서 사용가능한 형식으로 변환하는 기능을 제공 합니다. 변환된 네트워크 파일을 카메라로 업로드 하는 기능을 제공 합니다. 아이콘을 클릭하여 설치를 진행 합니다. 이 나타날 때 까지 Next 를 눌러 진행 합니다. Install을 눌러 설치를 진행 합니다. Python 네트워크 파일 학습 및 FFY-DL 용으로 재 학습을 위한 스크립트를 실행하는 기능을 수행합니다. 아이콘을 클릭하여 설치를 진행 합니다. Add Python 3.5 to PATH를 선택합니다. Install Now를 클릭하여 설치를 진행합니다. Tensor Flow 네트워크 파일을 제작하는 오픈소스 플랫폼 FFY-DL에서 사용 가능 하도록 형식을 변환 (재 학습) 하는 기능을 제공 합니다. 명령 프롬프트를 실행합니다. py -3.5 -m pip install tensorflow==1.13.2를 입력 합니다. Tensor Flow for Poet Google에서 제공하는 Tensor flow로 구현된 네트워크 학습 예제 네트워크를 학습하는 방법을 확인 할 수 있는 스크립트를 포함 합니다. https://github.com/googlecodelabs/tensorflow-for-poets-2 해당 경로에서 파일을 받아 압축을 해제하여 줍니다. Training Data Tensor Flow for Poet을 테스트하기 위한 학습용 이미지 데이지, 민들레, 장미, 해바라기 및 튤립 등 다양한 꽃 사진으로 구성 https://download.tensorflow.org/example_images/flower_photos.tgz 경로에서 데이터를 다운로드 한 뒤 tensorflow-for-poet-2-master\tf_files 디렉토리에서 floswer_photos폴더의 압축을 해제 합니다. MobileNet-SSD (Detection 전용) 사전에 학습된 Caffemodel 및 prototxt파일을 연결하는 예제 Windows 환경에서는 Upload만 가능 https://flir.app.boxcn.net/s/frspfle54xi44qzi9ozybqg5i7s9orhz 해당 경로에서 다운로드 가능 3. Classification Classification - Retrain TensorFlow-for-poet-2-master 폴더 경로로 이동 합니다. 폴더의 Address bar에 cmd를 입력 합니다. (명령 프롬프트 윈도우가 해당 폴더경로를 포함하여 실행 됩니다.) Py -3.5 –m scripts.retrain –how_many_training_steps=500 –output_graph=tf_files/retrained_graph.pb –output_labels=tf_files/retrained_labels.txt –architecture=mobilenet_0.50_224 –image_dir=tf_files/flower_photos 을 명령 프롬프트 윈도우에 적어 실행 합니다. ※사용자의 PC 환경 (CPU)에 따라 학습시간은 상이할 수 있습니다. Retrain이 완료 되었는지 확인합니다. Tensorflow-for-poet-2-master\tf_files 경로에 들어가 retrained_graph.pb 및 retrained_labels.txt 파일이 정상적으로 생성 되었는지 확인 합니다. Classification - Command how_many_training_steps 학습 반복 횟수 일반적으로 많이 학습할 수록 검사 성능 향상. output_graph 재 학습된 Network File의 이름. output_label 재 학습에 사용된 이미지에 대한 Label 정보. architecture 사용되는 신경망 구조. 다양한 mobilenet 버전이 사용될 수 있습니다. image_dir 학습에 이용되는 이미지 경로. Classification - Upload Flir Neuro Utility를 실행 합니다. (관리자 권한으로 실행) Tensorflow (Classification)을 선택 합니다. CONTINUE 를 눌러 다음 단계를 진행합니다. .pb File : Retrain으로 생성된 pb 파일의 경로를 지정합니다. Network Input Width(px) : 224 Network Input Height(px) : 224 Input Layer Name : input Output Layer : final_result Output Directory : FFY-DL 용으로 변환된 네트워크 출력파일의 생성 경로를 지정 합니다. Convert File Name : FFY-DL 용으로 변환된 네트워크 출력 파일의 이름을 지정 합니다. Inference Type : pb파일이 학습된 알고리즘을 선택 합니다. Camera user Set : 저장할 메모리를 지정 합니다. Convert를 눌러 변환 과정을 진행 합니다. 완료가 되면 CONTINUE를 눌러 다음 단계를 진행 합니다. 선택사항 - Validation Validation의 사용할 이미지 폴더 경로를 지정합니다. START를 클릭 합니다. 선택사항 - Validation Validation 결과를 확인 합니다. 흰색 : 학습된 pb 파일에 대한 결과 주황색 : Convert 된 네트워크 결과 CONTINUE를 눌러 다음단계를 진행 합니다. Camera 연결 상태를 확인 합니다. 업로드 방식을 지정 합니다. Flash : Camera Flash Memory에 저장 (비휘발성) DDR : Camera DDR Memory에 저장 (휘발성) Configure & Develop을 눌러 업로드를 진행 합니다.
2022.10.251. Terminal 실행 Terminal을 실행 합니다. SpinUpdateConsole이 설치되어 있는 경로로 이동 합니다. Command : cd/ usr/bin 2. SpinUpdateConsole 명령어 확인 하기 커맨드를 입력하여 명령어의 종류와 기능을 확인합니다. Command : SpinUpdateConsle --help 3. Firmware Update 진행 SpinUpdateConsole을 이용하여 Firmware Update를 진행 합니다. Command : SpinUpdateConsole –R{SerialNumber} –U {firmware file path and name} 예시 Serial Number : 12345678 Firmware file Path : /home/tech/Desktop Firmware file Name : FFY-U3-16S2M-DL_1905.4.89.0.ez2 Command : SpinUpdateConsole –R12345678 –U /home/tech/Desktop/FFY-U3-16S2M-DL_1905.4.89.0.ez2 완료시 HAL Updater Complete가 표기 됩니다. 진행 Process 표시 없이 해당 메시지가 뜰 경우, 카메라 재연결후 업데이트 재시도가 필요합니다. 4. Firmware Update 결과 확인 업데이트 직후에는 , Update Monitor로 카메라가 인식됩니다. 카메라 전원을 재연결 합니다. Firmware를 검색하여 정상적으로 업데이트가 되었는지 확인 합니다.
2022.10.24