一、软件定位

• 海康机器人图形化机器视觉平台，拖拽式搭建方案，无需代码
• 覆盖：定位、测量、检测、识别、深度学习、3D 视觉
• 适配：工业相机、面阵 / 线扫相机、3D 相机、多相机组网

---

二、核心视觉功能（最常用）

1. 图像采集与预处理

• 相机接入：海康相机直连，支持多相机同步
• 预处理：滤波、去噪、阈值、形态学、ROI、畸变校正、图像增强、多图融合
• 用途：消除反光、统一亮度、突出特征

2. 定位与引导（机器视觉最核心）

• 形状匹配、灰度匹配、边缘定位、特征点检测
• 手眼标定、N 点标定、坐标转换、角度纠偏
• 用途：机器人抓取、装配引导、Mark 点定位、工件纠偏

3. 尺寸测量

• 卡尺工具、直线 / 圆 / 圆弧拟合
• 距离、角度、半径、直径、面积、周长、公差判定
• 用途：精密零件尺寸、间隙、段差、孔径、引脚间距

4. 缺陷检测

• 斑点分析、差分对比、纹理检测、颜色识别
• 划痕、脏污、缺料、毛边、变形、装配错误检测

5. 识别类

• 一维码、二维码、DataMatrix 读取
• OCR 字符识别、印刷字符、序列号、标签追溯
• 分类、计数、有无判断

6. 深度学习（VM4.0 重点强化）

• 目标检测、分类、语义分割、实例分割
• 支持旋转目标检测、本地 GPU 训练
• 适用：复杂缺陷、杂乱背景、低对比度目标

7. 3D 视觉

• 点云显示、滤波、配准、分割
• 高度差、平面度、体积、3D 定位引导

---

三、VM4.0.0 关键升级亮点

• 流程分组（Group）：可独立运行、保存、调用，便于复杂项目
• C# 脚本模块：支持复杂逻辑、数据处理、自定义算法
• 通信增强：Modbus TCP、Profinet、EtherNet/IP、TCP、串口
• 灵活触发：模块级触发、事件触发、字符串触发
• 自定义模块：可封装自己的算法进 VM
• 方案复用：流程 / 模块导出导入，快速复制项目

---

四、支持通信与对接

• PLC：西门子、三菱、欧姆龙、基恩士等
• 协议：Profinet、EtherNet/IP、Modbus TCP、TCP Server/Client、RS232/485
• 可对接机器人、MES、上位机系统

---

五、二次开发与部署

• 提供 C#/C++ SDK
• 可脱离 VM 界面独立运行
• 支持上位机集成、批量部署

---

六、典型行业场景

• 3C 电子：PCB 检测、屏幕缺陷、元件尺寸、连接器检测
• 汽车零部件：孔径测量、装配检测、焊接缺陷
• 锂电 / 光伏：极片缺陷、尺寸测量、表面瑕疵
• 物流包装：条码读取、体积测量、分拣引导
• 医药食品：包装完整性、标签识别、缺瓶检测

---

七、软件功能总结

1. 采集

管理与图像获取相关的模块。

图像源：流程的起点。用于从相机（如海康GigE/USB相机）、图像文件、文件夹或内存 中获取图像。

多图采集：用于同时控制和管理多个相机进行采集，同步获取多张图像。

输出图像：用于将处理过程中的图像输出到指定位置，如保存为文件或发送到内存供其他流程使用。

缓存图像：提供一个图像缓存区，可以临时存储多帧图像，用于回溯、对比或序列分析。

光源：用于控制连接在光 源控制器上的LED光源的亮度、开关等参数，实现打光优化。

2. 定位

用于查找和确定目标物体位置、角度的工具。

高精度匹配：基于形状的匹配，精度高、抗干扰性强，适用于对定位精度和鲁棒性要求极高的场景。

快速匹配：基于灰度或边缘的快速匹配，速度较快，适用于对速度要求高、场景简单的定位。

灰度匹配：基于像素灰度值进行匹配，对物体形状变化不敏感，但容易受光照影响。

图形定位：通用术语，通常指上述各种匹配工具的集合。

圆查找：专门用于在图像中快速、精确地定位一个或多个圆（如孔、柱状物）。

直线查找：专门用于在图像中提取一条或多条直线边缘。

BLOB分析：将图像二值化后，对连通区域（斑点）进行分析，可计算其面积、中心、角度等，用于数量统计和粗略定位。

卡尺工具：测量核心工具。通过在指定ROI内垂直搜索边缘点，来精确定位单个边缘或拟合直线/圆，常用于高精度尺寸测量。

边缘查找：搜索并返回ROI内所有边缘点的位置，是很多其他工具的基础。

间距检测：专门用于测量两个特征（如两条边）之间的宽度或距离。

位置修正：根据一个定位工具的结果，动态修正后续工具的检测ROI的位置和角度，实现“跟随”检测。

矩形检测：专门用于定位和检测矩形物体，可返回中心、角度、宽高等信息。

顶点检测：用于定位角点、交叉点等尖锐的特征点。

边缘交点：计算两条（虚拟或提取出的）直线的交点坐标。

平行线查找：用于查找图像中一组平行的直线。

四边形查找：用于定位和拟合四边形轮廓。

多直线查找：用于同时查找并拟合多条直线。

路径提取：用于提取和拟合复杂的曲线路径。

BLOB标签：对BLOB分析找到的多个斑点进行过滤和排序，如按面积、位置等标签进行筛选。

3. 测量

用于进行精确的几何尺寸和亮度测量。

线圆测量：测量一条直线到一个圆的最近距离或圆心到直线的距离。

圆圆测量：测量两个圆心之间的距离。

点圆测量：测量一个点到圆心的距离。

点线测量：测量一个点到一条直线的垂直距离。

线线测量：测量两条平行线之间的距离或两条相交直线的夹角。

点点测量：测量两个点之间的像素距离或实际距离（需标定）。

圆拟合：根据多个边缘点坐标，拟合出一个最接近的理想圆。

直线拟合：根据多个边缘点坐标，拟合出一条最接近的理想直线。

亮度测量：测量指定区域（ROI）内的平均灰度、最大/最小灰度值等。

像素统计：统计指定区域内像素的灰度值分布情况。

直方图工具：以图形化方式显示图像的灰度分布直方图。

几何创建：通过输入参数或公式，创建虚拟的点、线、圆等几何图形，用于辅助测量或计算。

4. 识别

用于读取和识别各种编码及字符。

二维码识别：用于读取QR Code、Data Matrix等二维码信息。

条码识别：用于读取Code 128、Code 39等一维条码信息。

字符识别：传统OCR工具，用于读取印刷体字符。

DL字符识别G/C：基于深度学习（DL）的字符识别，识别能力和抗干扰性更强（G/C可能指GPU/CPU不同加速模式）。

DL读码G/C：基于深度学习的读码工具，用于在复杂、脏污、光照不均等恶劣条件下读取条码/二维码。

DL字符定位G/C：基于深度学习的字符定位工具，先找到字符区域，再送给识别工具。

5. 深度学习 (DL)

利用AI模型解决复杂、传统的难以定义的视觉问题。

DL图像分析G/C：广义的深度学习分析工具，可能用于场景分割、特征提取等。

DL分类G/C：将整个图像分类到预定义的类别中（如：合格/不合格、A型号/B型号）。

DL目标检测G/C：在图像中定位并识别出多个目标物体，并用矩形框标出（如：找出图像中的所有螺丝和垫片）。

DL单字符G/C：专门用于分割和识别单个字符。

DL图像检测G/C：通常指像素级的缺陷检测或分割，可以精确标出缺陷的具体形状和位置。

DL异常检测G/C：一种“无监督”学习，只需学习正常样本，即可检测出任何偏离正常的异常区域。

6. 标定

将图像中的像素坐标转换为现实世界中的物理坐标（毫米、英寸）。

标定板标定：使用棋盘格或圆点标定板，建立像素坐标与物理坐标的映射关系，同时校正镜头畸变。

N点标定：通过输入N个已知物理坐标的点及其像素坐标，进行标定，适用于无法使用标定板的场景。

标定转换：应用标定结果，将像素坐标/尺寸转换为物理坐标/尺寸。

单位转换：进行单位换算的辅助工具。

畸变标定：计算镜头的畸变参数。

畸变校正：利用畸变参数对图像进行校正，消除镜头畸变。

映射标定：用于建立非线性映射关系，例如纠正视角倾斜带来的误差。

N图像标定：通过多幅图像的信息来完成更高精度的标定。

7. 对位

常用于引导机器人或运动平台进行抓取、对准等操作。

相机映射：处理相机坐标系与机器人坐标系之间的转换关系。

单点对位：根据一个特征点的偏移量，计算机器人需要移动的补偿量。

点集对位：根据多个特征点的偏移，计算包括旋转、缩放在内的更复杂的补偿量。

线对位：根据一条基准线的偏移和角度变化，计算机器人的补偿量。

8. 图像处理

对图像进行增强、变换和滤波等操作，以改善图像质量。

图像组合：将多张图像或通道合成为一张图像（如RGB合成）。

形态学处理：对二值图像进行膨胀、腐蚀、开运算、闭运算等操作，用于去噪、连接断点。

图像二值化：根据阈值将灰度图像转换为黑白二值图像。

图像滤波：应用滤波器（高斯、中值、均值等）来平滑图像或去除噪声。

图像增强：通过算法（如对比度拉伸、直方图均衡化）增强图像细节。

图像运算：对两幅图像进行像素级的数学运算（加、减、乘、除、与、或）。

清晰度评估：评估图像的清晰度（锐度）好坏。

图像修正：广义的图像校正工具。

阴影校正：消除图像中不均匀的背景光照（阴影）。

圆环展开：将圆环状的ROI区域展开成矩形条，便于分析。

拷贝填充：复制图像的一部分区域去填充另一区域。

帧平均：对连续多帧图像进行平均，可有效抑制随机噪声。

图像归一化：调整图像的灰度范围。

图像矫正：对图像进行透视变换，矫正倾斜。

几何变换：对图像进行旋转、缩放、平移等变换。

图像拼接：将多张有重叠区域的图像拼接成一张大图。

多图融合：将多张不同曝光的图像融合成一张细节更丰富的图像。

9. 颜色处理

处理与颜色相关的视觉应用。

颜色抽取：从彩色图像中提取特定颜色范围的区域。

颜色测量：测量指定区域的颜色值（如RGB、HSV值）。

颜色转换：在不同颜色空间（如RGB, HSV, Lab）之间进行转换。

颜色识别：根据颜色特征对物体或区域进行分类识别。

10. 缺陷检测

专门用于检测产品表面或形状上的各种缺陷。

字符缺陷：检测印刷字符的缺陷，如漏印、模糊、断裂。

圆弧边缘：检测圆弧状边缘是否存在缺陷（毛刺、缺口）。

直线边缘：检测直线状边缘是否存在缺陷。

圆弧对缺：通过比较标准圆弧和待测圆弧的差异来检测缺陷。

直线对缺：通过比较标准直线和待测直线的差异来检测缺陷。

边缘组合：将多个边缘特征组合成一个复合特征进行分析。

边缘对组：通过对比两组边缘的差异来检测缺陷。

边缘模型：创建一个标准的边缘模型，然后通过与模型对比来检测缺陷。

边缘对模：工具组合，可能指“边缘对比模型”。

缺陷对比：通用工具，通过比较待测图像与标准模板图像的差异来发现缺陷。

11. 逻辑工具

用于控制流程逻辑、数据处理和通信。

条件检测：根据输入条件（真/假）来决定流程的走向。

分支模块：根据条件执行不同的分支流程。

分支字符：根据字符或字符串的内容执行不同的分支流程。

文本保存：将字符串、数据结果保存到文本文件中。

逻辑：执行基本的逻辑运算（与、或、非）。

格式化：将数据格式化成特定的字符串格式（如：“Result: %.2f mm”）。

变量计算：执行数学运算和公式计算。

字符比较：比较两个字符串是否相等、包含等。

脚本：运行用户自定义的脚本（如C#, Python），实现高度自定义的功能。

Group：将多个模块组合成一个群组，简化流程图，便于管理。

点集：管理和操作一组点的坐标数据。

耗时统计：测量流程或某个模块的执行时间，用于性能优化。

数据集合：用于数据的集合操作。

协议解析：解析接收到的自定义通信协议数据。

协议组装：将数据按照自定义通信协议格式打包发送。