> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/function-blocks/detections-shapes/detectors/feature-detector.md). # Feature Detector Dieser Funktionsblock lokalisiert und identifiziert Objekte in einem Eingangsbild basierend auf Merkmalen, die aus einem Trainingsbild extrahiert wurden. Er nutzt verschiedene Erkennungsmethoden, um robuste Identifikationsfähigkeiten zu bieten. ## 📥 Eingänge `Train Image` Ein Bild, das das Objekt oder Merkmal enthält, das Sie im Eingangsbild erkennen möchten. `Input Image From Camera` Das Echtzeitbild, das analysiert wird, um die Merkmale basierend auf dem Trainingsbild zu erkennen. ## 📤 Ausgänge `Detected Image` Das Ausgabebild, das die erkannten Merkmale oder Objekte hervorhebt. `Detect Status` Ein boolescher Ausgang, der angibt, ob die Erkennung erfolgreich war oder nicht. `Center` Der Mittelpunkt des erkannten Objekts, dargestellt durch seine Koordinaten. ## 🕹️ Steuerungen `Homography Type` Ein Dropdown-Menü zur Auswahl des Typs der Homographiemethode, die für das Matching verwendet werden soll (z. B. RANSAC, LMEDS, RHO). `Compute Type` Ein Dropdown-Menü zur Auswahl des Berechnungstyps für das Merkmals-Matching (z. B. STABLE, PERFORMANCE). `Number of Features` Ein Schieberegler zum Festlegen der Anzahl der Merkmale, die im Matching-Prozess berücksichtigt werden sollen. `Distance Threshold` Ein Schieberegler zur Definition des Abstandsschwellenwerts für das Matching von Merkmalen, der beeinflusst, wie streng Übereinstimmungen bestimmt werden. `K nearest` Ein Schieberegler zur Festlegung der Anzahl der nächsten Nachbarn, die während der Erkennung ausgewertet werden sollen. `Pyramid Decimation Ratio` Ein Schieberegler zur Anpassung des Verhältnisses der Pyramidendekimation für das Multi-Skala-Merkmalsmatching. `Number of Pyramid Levels` Ein Schieberegler zur Festlegung, wie viele Pyramideneinstellungen während der Erkennung verwendet werden sollen. `Point Comparison Type` Ein Schieberegler zur Definition der Vergleichsmethode, die beim Auswerten der Merkmale verwendet werden soll. ## 🎨 Funktionen `Multiple Detection Algorithms` Ermöglicht die Auswahl zwischen verschiedenen Homographietypen und Berechnungsmethoden und bietet Flexibilität basierend auf den Bedürfnissen des Benutzers. `Real-time Detection` Analysiert Eingangsbilder in Echtzeit, was es für dynamische Umgebungen wie Überwachung oder Objektverfolgung geeignet macht. `Visual Feedback` Bietet ein Ausgabebild, das die erkannten Objekte visuell hervorhebt und die Ergebnisse leicht interpretierbar macht. ## 📝 Nutzungshinweise 1. **Eingangsbild verbinden**: Verbinden Sie das Trainingsbild mit dem Eingang `Train Image` und das Live-Bild (von einer Kamera oder Datei) mit dem Eingang `Input Image From Camera`. 2. **Erkennungsparameter auswählen**: Passen Sie die Schieberegler und Dropdowns an, um die Erkennungsstrategie nach Wunsch zu konfigurieren. Dazu gehört die Auswahl des `Homography Type`, `Compute Type` und das Anpassen der Schieberegler für die Merkmalsdetektionseinstellungen. 3. **Block ausführen**: Führen Sie den Block aus, um die Merkmalsdetektion durchzuführen. 4. **Ergebnisse abrufen**: Überprüfen Sie das `Detected Image` auf hervorgehobene erkannte Merkmale, den `Detect Status` zur Bestätigung des Erfolgs und den `Center`-Ausgang für die Koordinaten des Mittelpunkts des erkannten Objekts. ## 📊 Bewertung Wenn er ausgeführt wird, analysiert dieser Funktionsblock das Eingangsbild auf Merkmale, die mit denen im Trainingsbild übereinstimmen, und gibt ein modifiziertes Bild, den Erkennungsstatus und den Mittelpunkt des erkannten Merkmals aus. ## 💡 Tipps und Tricks
Hochwertiges Trainingsbild verwenden Stellen Sie sicher, dass das Trainingsbild klar und gut beleuchtet ist, um die Erkennungsgenauigkeit zu erhöhen.
Parameter abstimmen Experimentieren Sie mit den Schiebereglern, um die optimale Konfiguration für Ihre spezifischen Bilder und Objekte zu finden. Das Anpassen des `Distance Threshold` kann die Erkennungsleistung erheblich beeinflussen.
Erkennungsstatus überwachen Achten Sie darauf, den Ausgang `Detect Status` zu überwachen; wenn die Erkennung fehlschlägt, experimentieren Sie mit Ihren Merkmaleinstellungen und überprüfen Sie die Qualität des Trainingsbilds.
Tests mit verschiedenen Eingabebildern Testen Sie Ihre Konfiguration mit verschiedenen Eingabebildern, um die Robustheit zu validieren. Dies hilft sicherzustellen, dass Ihre Erkennungseinrichtung gut auf unterschiedliche Szenarien generalisiert.
## 🛠️ Fehlersuche
Keine Erkennung erfolgt Wenn keine Merkmale erkannt werden, überprüfen Sie die Qualität Ihres Trainingsbilds und prüfen Sie, ob die Parameter, insbesondere der `Distance Threshold`, zu streng sind. Erwägen Sie, die `Number of Features` anzupassen, um flexiblere Übereinstimmungen zuzulassen.
Leistungsprobleme bei der Erkennung Wenn die Leistung langsam oder inkonsistent ist, versuchen Sie, die Anzahl der Merkmale zu reduzieren oder den `Compute Type` anzupassen, um ein Gleichgewicht zwischen Genauigkeit und Verarbeitungsgeschwindigkeit zu finden.
--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.augelab.com/german/function-blocks/detections-shapes/detectors/feature-detector.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.