Appearance
fixture_ncc — หาตำแหน่งชิ้นงานด้วย Normalized Cross-Correlation
โมดูล fixture_ncc ทำหน้าที่ค้นหาตำแหน่ง roi_rect หรือ measure_distance) สามารถขยับตามชิ้นงานได้อัตโนมัติ
1. การใช้งานใน Recipe
- Input:
image(ภาพ GrayscaleCV_8UC1) - Parameters:
template(string, จำเป็น): ชื่อ key ของไฟล์ต้นแบบที่ประกาศไว้ในrecipe.templatessearchX,searchY,searchW,searchH(int, ค่าเริ่มต้น0): พื้นที่ค้นหา (Search ROI) หน่วยพิกเซล หากsearchWและsearchHเป็น0จะค้นหาทั้งภาพminScore(double, ค่าเริ่มต้น0.7, ช่วง0.0–1.0): คะแนนความเหมือนขั้นต่ำที่จะถือว่า "พบชิ้นงาน" (found = true)angleStartDeg(double, ค่าเริ่มต้น0.0, ช่วง-10.0–10.0): มุมเริ่มต้นในการค้นหา (องศา)angleExtentDeg(double, ค่าเริ่มต้น0.0, ช่วง0.0–20.0): ช่วงมุมที่ค้นหา (องศา) โดยangleStartDeg + angleExtentDegต้องไม่เกิน10.0องศาangleStepDeg(double, ค่าเริ่มต้น1.0): ระยะห่างของมุมแต่ละขั้น (ต้องหารangleExtentDegลงตัว และจำนวนมุมรวมต้องไม่เกิน 21 มุม)
- Outputs / Metrics:
found(bool):trueเมื่อscore >= minScorescore(double): คะแนนความเหมือนสูงสุดที่พบ (0.0 – 1.0)x,y(double): พิกัดจุดกึ่งกลางของ Template ที่พบในภาพ (เมื่อfound == true)angleDeg(double): มุมที่พบในหน่วยองศา (ภายในโปรแกรมจะแปลงเป็น Radians ในPose2D)
json
{
"id": "fix",
"type": "fixture_ncc",
"enabled": true,
"params": {
"template": "body",
"minScore": 0.75,
"angleStartDeg": -5.0,
"angleExtentDeg": 10.0,
"angleStepDeg": 1.0
},
"inputs": { "image": "gray" }
}2. หลักการทำงานภายในซอฟต์แวร์
- การตรวจสอบตอนโหลด (Load-time Validation):
- ตรวจสอบว่า
templateมีอยู่จริงในrecipe.templates(และ path ต้องเป็น relative path ภายในโฟลเดอร์ recipe) - ตรวจสอบว่า
searchWและsearchHต้องเป็น0ทั้งคู่ หรือ> 0ทั้งคู่ - สร้างรายการมุมที่จะค้นหาล่วงหน้า และจำกัดขอบเขตให้อยู่ในช่วง ±10 องศา
- ตรวจสอบว่า
- การค้นหา (Execution):
- หมุนภาพ Template ตามรายการมุมที่กำหนดด้วย
cv::warpAffine(INTER_LINEAR) - เรียกใช้
cv::matchTemplateด้วยวิธีcv::TM_CCOEFF_NORMEDภายใน Search ROI - หาจุดที่มีคะแนนสูงสุดด้วย
cv::minMaxLoc - แปลงพิกัดมุมซ้ายบนที่ OpenCV คืนค่ามา ให้เป็นจุดกึ่งกลางของ Template:
- หาก
score >= minScoreจะบันทึกPose2DลงในToolContext::fixture()เพื่อให้โมดูลถัดไปใช้งาน
- หมุนภาพ Template ตามรายการมุมที่กำหนดด้วย
3. ทฤษฎีเบื้องหลัง (OpenCV & Machine Vision)
Normalized Cross-Correlation (NCC) หรือใน OpenCV คือ cv::TM_CCOEFF_NORMED เป็นวิธีเปรียบเทียบความคล้ายคลึงระหว่างภาพต้นแบบ
โดยที่ -1.0 ถึง 1.0 (ในระบบนี้ clamp/ประเมินในช่วง 0.0 ถึง 1.0) และทนทานต่อการเปลี่ยนแปลงความสว่างแบบสม่ำเสมอ (Linear illumination changes) ได้ดีกว่าการเทียบค่าพิกเซลตรงๆ (SAD/SSD)
ข้อจำกัดใน Phase 1
fixture_ncc ออกแบบมาสำหรับการเลื่อนตำแหน่ง (Translation) และการหมุนแบบหยาบ (Coarse Angle Search ±10°) เท่านั้น ยังไม่รองรับการย่อ-ขยายขนาด (Scale Search) หรือ Shape-based / Edge-based Matching