2023海康机器人机器视觉新品发布会

解读认证对象、认证体系、认证流程、认证报名、认证考核等内容

本文将详细介绍在Windows环境下编译支持YOLO11开发的带CUDA的OpenCV。整个过程分为环境准备、源码下载、CMake配置、编译安装、验证测试五个步骤。

学校和互联网上学习资料局限于计算机视觉领域，能落地工业领域的算法寥寥无几，且相关算法原理语焉不详、乏善可陈，或示例代码缺少关键实现、谬误百出，故作【2D算法系列】系列课程，掰开揉碎了讲解机器视觉领域核心算法，力争为从业者提供严格贴近工业应用场景的、高质量的国际前沿算法剖析。

使用opencv的库，调用opencv函数。所需的库文件为：OpenCvSharp.dll，OpenCvSharpExtern.dll。将库文件放在安装的VM的脚本路径下：E:\VisionMaster4.3.0\Applications\Module(sp)\x64\Logic\ShellModule\DLL。

顾名思义，圆拟合是从给定的点集数据中拟合出一个圆。机器视觉（或是计算机视觉）领域，主流的圆拟合算法有最小二乘法、迭代重加权最小二乘法、非线性优化法等。本文将对上述算法原理进行深入剖析，并硬核实战。文章编辑器对公式支持不友好，显示异常，因此部分公式用截图替代，希望V社区管理员能推动改进。

之前出了一个关于VM定位使用的专项篇，本期出一下VM使用技巧篇，供大家学习参考，有不足的地方可以指出，大家互相学习交流。

本文将从算法模块开发的意义、架构与组成要素、开发流程与步骤、集成第三方库、版本升级、开发常见问题与解决措施方面详细介绍算法模块的封装，帮助开发者熟练掌握算法模块开发流程与常见问题解决措施，提升算法封装能力。【保姆级教程】算法模块封装详解一文的升级版，新增子界面开发、模块二次开发、自定义错误码等内容，并更新部分内容。

经过几个不眠夜的(下班后继续搬砖不容易)原理推导、算法开发、模块封装、硬件搭建、实际场景测试，我们验证了2D相机实现3D无序抓取的整套算法流程。经过独家优化的相机立体标定与手眼标定算法，让2D相机也能实现较高精度无序抓取，实验室验证精度达到1mm。本文将介绍2D相机实现3D无序抓取的全流程，以及三个自研算法模块的使用方法。

VM自带模块生成工具能够辅助开发者进行算法的封装内嵌，可以预生成大部分接口代码，开发者利用该工具，只需要简单的三步操作就可以将算法封装成可交互的平台模块，极大缩短了开发周期。本文将从算法模块开发的意义、架构与组成要素、开发流程与步骤、集成第三方库、版本升级、开发常见问题与解决措施方面详细介绍算法模块的封装，帮助开发者熟练掌握算法模块开发流程与常见问题解决措施，提升算法封装能力。

目前，VisionMaster算法平台推出了Windows版本和嵌入式版本，其中Windows版本包括VM4.0~VM4.4，嵌入式版本内置于硬件，可分为智能相机版(SC)、智能视觉处理卡版(SVA)、智能视觉控制器(SVC)。目前Windows版本、SVA、SC版本(仅限于部分类型)VM均支持二次开发。本文将从环境配置、硬件连接与密码校验、方案加载和接管、控件绑定和流程运行、结果获取几个维度对比不同版本VM的二次开发流程与差异，避免代码跨平台迁移时“踩坑”。

当相机为单目时，我们只知道2D的像素坐标，能否根据两组2D点估计相机运动？本文将介绍利用对极几何实现2D-2D点估计相机运动3D位姿。

CPK，GRR，很简单。就是做个数据，套几个公式。但是我们学习cpk，grr。的目的绝对不是这么简单。

当相机和工件特征面高度发生变化时，由于高度不同导致N点标定矩阵失效。以某汽车行业应用为例，工件有100多种型号，因此需要对不同的工件标定100多次，涉及到的操作、方案复杂度和时间度极高，且维护成本大、容易出现人为操作失误。上一篇文章中我们介绍了基于标识Mark的自动高度推导2.5D定位引导方案。受限于单目相机以及单次拍照的精度影响，该方案精度难以做到很高。针对该问题，我们提出了基于初始工件高度差信息的2.5D定位引导方案，经过实验室数据和项目实测，该方案较普通精度版本方案定位精度有明显提升。本文将介绍高精度版本的2.5D定位引导方案。

作为全球领先的机器视觉算法平台与解决方案提供商，海康机器人的机器视觉算法可谓“功力深厚”。本文将介绍如何在嵌入式系统中调用海康机器视觉算法，实现嵌入式系统的算法平台开发。

初入V社区，你是否有很多问号？现在让我们翻开V社区的答案之书，相信你所有的问题，都会在这里得到解答的。叩叩叩！一起打开V社区的大门吧！

分析探讨N点标定的内部原理

本文将介绍在使用VM算法平台硬件加密狗时，出现的各种问题及应对措施！