Matrox Design Assistant X -konenäkösovellusten kehitysympäristö päivittyy
Matroxin tehokas ja helppokäyttöinen konenäkösovellusten kehitysympäristö päivittyy uuteen versioon. Uusi Design Assistant X tuo mukanaan useita uudistuksia, mukaanlukien tuen kolmannen osapuolen 3D-skannereille ja Depth Map -kuville.
Matrox Design Assistant on tunnettu ja käytössä koeteltu konenäkösovellusten kehitysympäristö. Graafinen ja vuokaaviopohjainen kehitysympäristö madaltaa kynnystä sovelluskehityksen opettelemiseen ja mahdollistaa yhä useampien yritysten rakentaa omia sovelluksia kuvantamistarpeisiin. Design Assistantin avulla voit kehittää samassa ympäristössä sekä sovelluksen logiikan ja vuokaavion että selainpohjaisen operaattorinäkymän (operator interface) run-time sovellukselle.
TuoteuutisetVuokaavion rakentaminen tehdään Design Assistantin suunnittelunäkymässä visuaalisesti, askel kerrallaan valitsemalla sopiva askel työkalupalkista ja säätämällä askeleen asetukset interaktiivisesti. Käytettävissä on useita työkaluja tunnistukseen, paikoitukseen, mittaukseen ja kuvien käsittelyyn. Valmiin askeleen tulokset voidaan helposti linkittää seuraaviin askeliin lisätoimia varten.
Design Assistant X mahdollistaa uutena ominaisuutena kolmannen osapuolen 3D-kuvantamislaitteiden, kuten Photoneon Phoxi 3D -skannerin käyttämisen Design Assistantin kanssa, ja skannerin tuottamien Depth Map -kuvien käsittelyn sovelluksessa. Uusi versio laajentaa myös monikamerajärjestelmien tukea mahdollistaen perinteisten monikamerasovellusten lisäksi useiden rinnakkaisten run-time sovellusten ajamisen samalla koneella.
Tarjolle on tuotu myös uusia työkaluja haastavampiin kohteisiin. Pinnanmuotojen tarkastukseen on kehitetty uusi Photometric stereo -työkalu, jonka avulla kappaleen pinnanmuodoista saa paremman kuvan valottamalla kuvattavan kohteen useammasta suunnasta. Hankalasti tunnistettavien kohteiden luokittelutarpeisiin on kehitetty oppivaa neuroverkkoa (Convolutional Neural Network, CNN) hyödyntävä CNN Classification -työkalu. Classification-työkalu hyödyntää tunnistuksessa valmiiksi opetettua neuroverkkoa, eikä siten vaadi massiivista laskentakykyä toimiakseen.
- 3D/Depth Map -tuki
- Monta run-time sovellusta yhdellä alustalla
- Photometric stereo -työkalu
- Neuroverkkoa hyödyntävä CNN Classification step
lisätiedot
Tommi Laine 
