Feature Detector

Este bloque de función localiza un objeto en una imagen en vivo o estática comparando características con una imagen de entrenamiento proporcionada. Compara puntos distintivos entre la imagen de entrenamiento y la imagen de entrada, intenta estimar la posición y rotación del objeto y devuelve un resultado visual y numérico.

📥 Entradas

Train Image La imagen de referencia que contiene el objeto a detectar. Proporcione un recorte claro y bien iluminado del objeto.

Input Image From Camera La imagen donde el bloque buscará el objeto (fotograma de cámara en vivo o imagen cargada).

Estos son los sockets de entrada.

📤 Salidas

Detected Image La imagen de entrada anotada con gráficos de detección (por ejemplo, contorno y centro) cuando se encuentra el objeto.

Detect Status Un booleano que indica si el objeto fue detectado (true/false).

Center Las coordenadas (x, y) del centro del objeto detectado.

Estos son los sockets de salida.

🕹️ Controles

Homography Type Elija el método usado para estimar la transformación geométrica entre las imágenes.

Compute Type Seleccione la preferencia interna de cálculo (calidad vs rendimiento).

Number of features Cuántos puntos clave/características detectar en la Train Image.

Distance Threshold Tolerancia usada al emparejar características (afecta la aceptación de coincidencias).

K nearest Número de coincidencias más cercanas que se consideran al comparar descriptores.

Pyramid Decrease Ratio Controla los pasos de reducción de escala para detección multi-escala.

Pyramid Levels Número de niveles de pirámide usados en el procesamiento multi-escala.

Point Compare Type Parámetro interno que afecta cómo se comparan los puntos.

Estos son los widgets que puede ajustar para modificar el comportamiento de la detección.

⚙️ Cómo funciona

• El bloque extrae características de la Train Image usando las configuraciones seleccionadas de características/cálculo.

• Luego busca en la Input Image From Camera características coincidentes e intenta estimar la ubicación y orientación del objeto.

• Si se encuentra una transformación válida, el bloque anota la imagen de entrada con un contorno y un punto central, establece Detect Status en true y devuelve las coordenadas del centro detectado.

• Si no hay coincidencia válida, Detect Status es false y Center devuelve una coordenada por defecto.

El bloque evalúa continuamente cuando está conectado a fuentes en vivo, por lo que ajustar los controles actualizará el comportamiento casi en tiempo real.

✨ Características clave

• Detección basada en características robusta que maneja cambios de rotación y escala.

• Ajustes con múltiples parámetros para balancear calidad vs rendimiento.

• Retroalimentación visual mediante la Detected Image anotada para confirmar resultados.

• Salidas que incluyen un estado booleano y la posición exacta del centro para lógica posterior.

📝 Instrucciones de uso

1. Proporcione un ejemplo recortado y claro del objeto en Train Image. Prefiera imágenes con texturas o esquinas distintivas.

2. Conecte un fotograma de cámara o una imagen a Input Image From Camera.

3. Empiece con valores moderados: ponga Number of features en unas pocas centenas y Distance Threshold en un valor medio.

4. Ejecute el sistema y observe la Detected Image. Ajuste Homography Type, Number of features, Distance Threshold y K nearest para mejorar la fiabilidad.

5. Use el booleano Detect Status para activar acciones (registro, guardado, conteo) o alimente Center a otros bloques.

💡 Consejos y trucos

• Si la escala del objeto y de la cámara difieren, use Image Resize antes de este bloque para que la Train Image y la imagen de entrada estén más cercanas en escala.

• Recorte el área de búsqueda con Image ROI Select para acelerar la detección y evitar coincidencias falsas por fondos con mucho ruido.

• Mejore la robustez en condiciones de ruido con Blur para eliminar ruido de alta frecuencia, o utilice Contrast Optimization para aumentar el contraste antes de la detección.

• Use Show Image para previsualizar los resultados de detección de forma interactiva mientras ajusta los controles.

• Para dibujar y reportar resultados, combínelo con Draw Detections para superponer las detecciones de forma clara en las imágenes de salida.

• Si la coincidencia basada en plantillas es más adecuada para su objeto, considere probar el bloque Find Object como alternativa o complemento.

• Para almacenar ejemplos o resultados para revisión offline, agréguelo junto con Image Logger.

(Los consejos anteriores hacen referencia a bloques de función disponibles que puede combinar en un flujo.)

🛠️ Solución de problemas

• Sin detecciones: aumente Number of features, relaje Distance Threshold o proporcione una Train Image más clara. Pruebe diferentes valores de Homography Type.

• Falsos positivos: reduzca Number of features o apriete Distance Threshold. Recorte la imagen con Image ROI Select para eliminar fondos confusos.

• Rendimiento lento: reduzca Number of features, baje los niveles de pirámide o ejecute una región de búsqueda más pequeña. Preprocese con Image Resize para reducir las dimensiones de entrada.

• Resultados pobres con bajo contraste: aplique primero Contrast Optimization o capture una Train Image de mayor calidad.

Si los resultados siguen siendo inconsistentes, itere: ajuste los controles de forma incremental y use Show Image para confirmar visualmente los cambios.