Standardsoftware für die Industrielle Bildverarbeitung

Größe: px

Ab Seite anzeigen:

Download "Standardsoftware für die Industrielle Bildverarbeitung"

Gerd Hausler
vor 7 Jahren
Abrufe

1 Standardsoftware für die Industrielle Bildverarbeitung Der elegante Weg zur Performanzsteigerung Dr. Olaf Munkelt MVTec Software GmbH

MVTec Software GmbH Firma konzentriert sich auf Building Vision for Business Entwicklung von Standard Softwareprodukten für die industrielle Bildverarbeitung Kundenspezifische Lösungen Produkte

2 MVTec Software GmbH Firma konzentriert sich auf Building Vision for Business Entwicklung von Standard Softwareprodukten für die industrielle Bildverarbeitung Kundenspezifische Lösungen Produkte HALCON Umfassende Software für die industrielle Bildverarbeitung ActivVisionTools Der schnelle Weg zur Bildverarbeitungslösung Standorte Hauptsitz: München, Deutschland Niederlassung: Boston, USA MVTec, LLC

3 Der Bildverarbeitungsprozess Illumination Optics Camera Acquisition / Communication Software USB/1394/GigE FG I/O Image in memory Result Hole Radius mm mm mm Object Pixel stream Application CCD/CMOS sensor Image to main memory

4 Performanzsteigerung durch ROIs ROIs (Region of Interest) können eine beliebige Menge an Bildpunkten umfassen Formen wie (achsenparallele) Rechtecke, Kreise oder Ellipsen Logisch verknüpfte Bildbereiche, die nicht zusammenhängen Einzelne Bildpunkte

5 Performanzsteigerung durch ROIs Erhöhung der Verarbeitungsgeschwindigkeit durch Einschränkung der Ausführung der Verfahren auf definierte Bildbereiche 4 times faster

6 Performanzsteigerung durch ROIs Vermeidung von Segmentationsproblemen in nachfolgenden Verarbeitungsschritten

Performanzsteigerung durch automatisches Lernen Das Lesen von Data Matrix Code lässt sich wie eine Vielzahl weiterer Verfahren der industriellen Bildverarbeitung durch eine Anzahl von

7 Performanzsteigerung durch automatisches Lernen Das Lesen von Data Matrix Code lässt sich wie eine Vielzahl weiterer Verfahren der industriellen Bildverarbeitung durch eine Anzahl von Parametern steuern Automatische Lernverfahren ermöglichen Einfache Anwendbarkeit der IBV-Verfahren Automatische Adaption der IBV-Verfahren an geänderte Rahmenbedingungen Beschleunigung der IBV-Verfahren

8 Performanzsteigerung durch automatisches Lernen Am Beispiel von Assistenten für ein Matching-Verfahren

9 Performanzsteigerung: Geschwindigkeit Die Beschleunigung von IBV-Verfahren lässt sich durch verschiedene Maßnahmen erzielen: Verbesserte allgemeine Speicherverwaltung Optimierung der Speicherverwaltung für spezielle Datenstrukturen Programmiersprachenoptimierte Handhabung von Datenstrukturen Effizientere Implementierung von Verfahren Verfahrensangepasste Verwendung von Compileroptimierungen Verwendung von speziellen Prozessorbefehlssätzen wie SSE und MMX Native Nutzung von 64-bit Architekturen Auslagern von IBV-Verfahren der Bildvorverarbeitung auf vision boards wie z.b. FPGA GPU (graphics processor units) auf Graphikkarten

Performanzsteigerung: Geschwindigkeit Geschwindigkeitsvergleich Testbilder A und B haben eine Größe von 735x485 Testumgebung: DualCore CPU 2.

10 Performanzsteigerung: Geschwindigkeit Geschwindigkeitsvergleich Testbilder A und B haben eine Größe von 735x485 Testumgebung: DualCore CPU 2.13 GHz Die Zeitangaben entsprechen dem Mittelwert von 300 Durchläufen Grauwertfilter wurden auf dem Rot-Auszug des Farbbildes berechnet Effizientere Implementierungen Für Kantenfilter (edges_*) wurde ein neuer Filtermodus ('sobel_fast') programmiert, der einer Implementierung des Canny-Filters ('canny') entspricht Die Neuimplementierung des Binominalfilters (binomial_filter) wird gegen die Implementierung des Gaussfilters (gauss_image) verglichen A = patras B = clamps

11 Performanzsteigerung: Geschwindigkeit Operator Image HALCON 7.1 HALCON 8.0 Speedup factor sobel_amp (A) patras 3.7 ms 1.16 ms 3.19 (B) clamps 3.7 ms 1.16 ms 3.19 laplace (A) patras 4 ms 0.74 ms 5.41 (B) clamps 4 ms 0.74 ms 5.41 edges_image (A) patras 63.9 ms 5.2 ms 12.3 (B) clamps 56.2 ms 2.2 ms edges_sub_pix (A) patras 35.3 ms 10.0 ms 3.52 (B) clamps 17.5 ms 3.7 ms 4.77

12 Performanzsteigerung: Geschwindigkeit Operator Image HALCON 7.1 HALCON 8.0 Speedup factor edges_color (A) patras 70.8 ms 10.8 ms 6.57 (B) clamps 68.9 ms 7.5 ms 9.2 edges_color_sub_ pix (A) patras 93.7 ms 17.7 ms 5.27 (B) clamps 75.8 ms 11.1 ms 6.83 binomial_filter (vs. gauss_image) (A) patras 4.9 ms 1.6 ms 3.0 (B) clamps 5.2 ms 1.6 ms 3.13

13 Performanzsteigerung durch Parallelisierung Anwender Standard-Software pipelining task parallelism data parallelism

14 Performanzsteigerung durch Parallelisierung Verarbeitungsgeschwindigkeit erhöht durch Reduzierter Aufwand zur Verwaltung der Synchronisation Verbesserte Nutzung von Synchronisationsmechanismen Thread pools zur Unterstützung der automatischen Parallelisierung Code wird besser skalierbar und schneller ausführbar Leistungssteigerung der automatischen Parallelisierung auch für kleine Bilder Wahlfreie Einstellungmöglichkeiten für die automatische Parallelisierung Modus der automatischen Parallelisierung wählbar (tuple/channel/domain level) Anzahl der zur Verfügung stehenden threads die für die automatische Parallelisierung genutzt werden sollen frei wählbar Interne Speichergrößen frei wählbar

15 Performanzsteigerung durch Parallelisierung Anwendung mit manueller Parallelisierung durch task parallelism auf einem WindowsXP Rechner: 2x Intel QuadCore 2,3 GHz HALCON 8.0 HALCON 7.1

16 Grenzen der Parallelisierung Der Flaschenhals ist der Speicherdurchsatz: Addieren versus Kopieren eines Bildes mit 5000x5000 Pixel auf einem WindowsXP Rechner: 2x Intel QuadCore 2,3 GHz Time Image [ms] 50 copy image add_image Threads

17 Performanzsteigerung durch Entwicklungstools IDE Integrated Development Environment

18 Performanzsteigerung durch Entwicklungstools Transparente Nutzung des Quellcodes der IDE in der Laufzeitumgebung

19 Live: Performanzsteigerung durch erweiterte Funktionalität 3D Matching mit nur einer Kamera verbesserte Robustheit NCC Matching optimierte Algorithmen Subpixel-genaue 3D Vermessung von Kreisen

20 Performanzsteigerung durch Integration Direkte Unterstützung einer Vielzahl von Herstellern / Standards

21 Zusammenfassung Mehrwert für den Nutzer von Standardsoftware IDE und Integrationstools Automatisches Lernen Angepasste Datenstrukturen Parallelisierung Performanzsteigerungen lassen sich erzielen durch Integration Optimierte Algorithmen Verbesserte Robustheit Erweiterte Funktionalität

Ähnliche Dokumente

Software in der Industriellen Bildverarbeitung

Software in der Industriellen Bildverarbeitung Technologieentwicklung am Beispiel Pattern Matching Dr. Olaf Munkelt MVTec Software GmbH MVTec Software GmbH Firma konzentriert sich auf Building Vision for