前言
今天想和大家分享的是:仪酷LabVIEW AI视觉工具包的VI简介,如介绍内容有误,欢迎各位朋友们帮忙纠正~
一、AI视觉工具包VI简介
已经安装好的AI工具包位于程序框图-函数选板-Addons-VIRobotics-opencv_yiku,内容包括:Mat类型(矩阵)的操作、摄像头采集、图片文件读写、基本算子、视频读写、神经网络调用、迅捷VI等功能。
Mat(矩阵类)
该大类下面主要是和矩阵相关的创建,操作。包含:
Create_Mat.vi:矩阵的创建
Convert:矩阵常用数据类型的转换类
Mat :Mat的相关操作,如取子矩阵、基本数学运算、逻辑操作、求两矩阵差的绝对值、图像融合等。
Camera(相机类)
该大类下面主要是和相机有关的操作。主要包括
new_Cap.vi:初始化相机
startCapture.vi:启动本地相机
startCaptureUrl.vi: 启动网络相机
stopCapture.vi:停止拍摄
readImage.vi:获取一帧图像
Core(核心类)
该大类主要对图片做一些基础处理,包括
DFT.vi:傅里叶变换
idft.vi:逆傅里叶变换
normalize.vi:图像归一化处理
flip.vi:图像翻转
hconcat.vi:图像水平拼接
inRange.vi:图像分割
Darw(图像绘制类)
该大类主要是实现图像的绘制,包括:
Draw_Line.vi:绘制直线
Draw_Rect.vi:绘制矩形
Draw_arrowesLine.vi:绘制箭头线段
Draw_Circle:绘制圆
Draw_ellipse.vi:绘制椭圆圆弧和椭圆扇形
Draw_Polylines.vi:绘制多边形
Draw_putText:绘制文字
getTextSize.vi:获取文本大小
imgcodes(图片读写类)
该大类主要是对图片进行读写操作,包括
imdecode.vi:图片解码
imencode.vi:图片编码
imread.vi:读取图片
imwrite.vi:保存图片
imgproc(图片处理算子类)
该大类主要是对图片进行基本操作,包括
blur.vi:均值滤波
calHist.vi:计算直方图
Canny.vi:边检检测
cvtColor.vi:色彩转换
drawContour.vi:绘制轮廓
findContous.vi:寻找轮廓
filter2d_float.vi:图像卷积运算
GaussianBlur.vi:高斯滤波
HoughCircles.vi:霍夫圆检测
HoughLines.vi:霍夫直线检测
matchTemplate.vi:模板匹配
resize.vi:图像缩放
threshold.vi:二值化图像
cornerHarris.vi :Harris角点检测
cornerMinEigenVal.vi:计算特征值和特征向量
dilate.vi:图像膨胀
erode.vi:图像腐蚀
boxPoints:获取矩阵顶点坐标
Corners--> cornerSubPix:亚像素级角点检测
pointPolygonTest.vi:检测点是否在轮廓内
Imgpro--Transform:该大类下面主要是图像的各种变换,包括
GetAffineTransform.vi:实现图像仿射
getPerspectiveTransform.vi:实现透视变换
getRotationMatrix2D.vi:图像旋转
warpAffine.vi:仿射变换
warpPerspective.vi:透视变换
geometry(几何图形类)
该大类主要是点的合集,比如说轮廓。
calib3d(相机定标和三维重建类)
该大类主要是对相机进行标定,并进行三维重建。主要包括
calibrateCamera.vi:相机标定
CalibrateHandEye.vi:手眼标定
ComputeCorrespondEpilines.vi:为一幅图像中的点计算其在另一幅图像中对应的对极线
copy_vectorPoint2f.vi:复制点集
drawChessBoardCorners.vi:绘制检测到的棋盘角点
findChessboardCorners.vi:寻找棋盘图的内角点位置
findFundamentalMat.vi:计算两个视角的基础矩阵
initCameraMatrix2D.vi:得到3D到2D的初始化的摄像机矩阵
initUndistortRectifyMap.vi:计算无畸变和修正转换关系
remap.vi:一幅图像中某位置的像素放置到另一个图片指定位置
stereoCalibrate.vi:双目摄像机标定
steroRectify.vi:对校准过的摄像机计算修正变换
stereoRectifyUncalibrated.vi:对未校准过的摄像机计算修正变换
undistort.vi:校正图像因相机镜头引起的变形
undistortPoints.vi:迭代去畸变矫正
dnn(深度神经网络类)
OpenCV中的dnn(Deep Neural Network module)模块是专门用来实现深度神经网络相关功能的模块。OpenCV自己并不能训练神经网络模型,但是它可以载入别的深度学习框架(例如TensorFlow、pytorch、Caffe等等)训练好的模型,然后使用该模型做inference(预测)。而且OpenCV在载入模型时会使用自己的dnn模块对模型重写,使得模型的运行效率更高。所以如果你想在OpenCV项目中融入深度学习模型,可以先用自己熟悉的深度学习框架训练好,然后使用OpenCV的dnn模块载入。主要包括:
blobFromImage.vi:对即将进入神经网络的彩色图片进行预处理
blobFromImage_1c.vi:对即将进入神经网络的灰度图片进行预处理
NMSBoxes.vi:对检测的到的boxes和对应的scores进行非极大值抑制处理,消除冗余重叠的框
NMSRotatedBoxes.vi:对检测的到的倾斜boxes和对应的scores进行非极大值抑制处理,消除冗余重叠的框
ORC:文字识别相关
dnn.Net(深度神经网络类)
该大类主要实现模型的加载与推理
readNetFromTensorflow.vi:载入一个tensorflow生成的pb文件和与其对应的pbtxt配置文件,返回它的网络
readNetFromDarknet.vi:载入一个darknet生成的cfg配置文件和weights模型文件(通常为yolov3和yolov4),返回它的网络
readNetFromONNX.vi:载入一个通用的神经网络模型文件ONNX(通常由pytorch、tensorflow、caffe等框架生成),返回它的网络
readNetFromModelOptimizer.vi:载入英特尔的模型优化器中间表示,IR:具有网络拓扑的 XML 配置文件和具有训练权重的二进制文件bin,返回它的网络
setInput.vi:将图像(或矩阵)输入至神经网络net中
forward.vi:神经网络进行推理,并得到某一层的结果,如name为空,则返回最后一层的结果
forward_muti_outputs.vi:神经网络进行推理,根据输入端的名字names,得到多层的结果
getLayerNames.vi:获取该网络所有层的名字
getUnconnetedLayerNames.vi:获取不连接的输出层的名字
setPreferableBackend.vi:要求网络在其支持的地方使用特定的计算后端
setPreferableTarget.vi:要求网络在特定目标设备上进行计算
ml(机器学习模块)
该大类主要是一组统计分类、回归分析、数据聚类的类与统计模式函数(目前主要是SVM支持向量机)
ml.SVM该大类下面主要是SVM的创建、预测与训练的vi
python(矩阵转换为python格式)
feature2d(特征检测与匹配)
该大类主要是实现特征点提取与匹配。
DescriptorMatcher:匹配特征向量的抽象类
draw_KeyPoints.vi:快速绘制特征点
draw_matches.vi:绘制关键点的匹配情况, 一左一右两张图像,匹配的关键点之间用线条链接
matcher_knnMatch.vi:
matcher_match.vi:
SIFT:创建SIFT特征检测器
SIFT_Compute.vi:计算关键点描述符
SIFT_Detector.vi:检测关键点
Vector_DMatch:匹配结果点集
Vector_KeyPoints:特征点集
videoWriter
该类为视频流读写类
cuda(显卡类)
该大类主要是获取cuda设备相关参数的类。
getCudaEnabledDeviceCount.vi:获取 CUDA 的设备数
getDevice.vi:获取CUDA设备属性
setDevice:设置CUDA设备属性
face(人脸检测&人脸识别)
该大类主要是实现人脸检测和人脸识别。主要有两大类:基于YuNet的人脸检测器FaceDetectorYN和基于DNN的人脸识别器FaceRecognizerSF。
FaceDetectorYN-->detect.vi:从给定图像中检测人脸,获得人脸区域和5点landmark
FaceDetectorYN-->FaceDetectorYN_Creat.vi:创建人脸检测器的实例类
FaceRecognizerSF-->alignCrop.vi:对齐图像以将面部放在标准位置
FaceRecognizerSF-->Create.vi:使用给定参数创建此类的实例
FaceRecognizerSF-->feature.vi:从对齐的图像中提取人脸特征
FaceRecognizerSF-->match.vi:计算两个人脸特征之间的距离
如您想要探讨更多关于LabVIEW与人工智能威廉希尔官方网站 ,欢迎加入我们的:705637299,备注:LabVIEW机器学习
二、开放神经网络交互(ONNX)工具包VI简介
已经安装好的ONNX工具包位于程序框图-函数选板-Addons-VIRobotics-onnx内容包括:获取onnx可用的provider、onnx神经网络调用推理等功能。如下图所示:
getavailproviders.vi
获取onnx可用的providers。
Session(onnx模型加载推理类)
Create_Session.vi:加载onnx模型并指定推理加速引擎(CPU、CUDA、TensorRT)
Run_one_input_pointer.vi:将单个图片指针输入至onnx模型并进行推理
Run_one_input_data.vi:将单个图像(或矩阵)输入至onnx模型并进行推理
Get_Resule_Info.vi:获取每层输出及shape
Get_result.vi:动态vi,获取某层输出
release.vi:释放资源
delete.vi:删除
三、工具包下载链接
- AI视觉工具包下载与安装参考:
[https://blog.csdn.net/virobotics/article/details/123656523] - onnx工具包下载与安装参考:
[https://blog.csdn.net/virobotics/article/details/124998746]
总结
以上就是今天要给大家分享的内容。大家可根据链接下载工具包并进行安装。
如果有问题可以在评论区里讨论,提问前请先点赞支持一下博主哦
**如果文章对你有帮助,欢迎✌关注、
审核编辑 黄宇
-
LabVIEW
+关注
关注
1971文章
3654浏览量
323478 -
人工智能
+关注
关注
1791文章
47244浏览量
238366 -
深度学习
+关注
关注
73文章
5503浏览量
121141
发布评论请先 登录
相关推荐
评论