• 提供配置文件
  • 在过去的11年里，我们的工程师一直专注于为特定应用开发计算机视觉软件。在与智能视频监控、生物识别和医疗系统相关的项目中获得的经验，帮助团队开发了应对计算机视觉不同分支解决方案所需的所有技能。
产品组合

  • Adaptive Vision Studio 2.4

  • Adaptive Vision Studio 2.4是一个易于使用的开发环境，用于创建机器视觉应用程序。它解决了许多不同行业的现实生活任务，并让你自由选择硬件，包括来自几个制造商的智能相机。

    它是最好的机器视觉软件，同时:
    • 直观的-算法和图形用户界面的拖放开发;即时洞察所有中间结果;干净的设计;
    • 强大的-循环，条件，宏过滤器和一个全面的过滤器库，是世界上最快的之一;
    • 适应性强的-支持许多不同供应商的硬件;c++用户过滤器;与OpenCV集成。

      • Adaptive Vision Studio 2.4

      • 它是如何工作的?
        该应用程序自带超过700个内置计算机视觉过滤器库。用户通过以适当的方式连接过滤器来创建程序。各种类型的连接确保了数据流的任何结构都可以实现，而层次宏过滤器则允许对大规模程序进行有效管理。

        是给谁的?
        Adaptive Vision Studio旨在满足广泛的机器视觉工程师和研究人员的需求。新接触计算机视觉的人可以通过交互实验从快速学习中获益，而机器视觉专家则可以以更快、更方便的方式完成工作，因为没有低级编程的麻烦。此外，拥有自己的视觉相关代码库的C/ c++程序员可以通过轻松集成的用户过滤器利用Adaptive Vision Studio的高交互性。

    • 特性

          • 拖放

          • 所有的编程都是通过选择过滤器并将它们相互连接来完成的。你可以把所有的脑力都集中在计算机视觉上。要快速演示，请参阅您的第一个程序视频教程。

          • 你可以看到一切

          • 该应用程序为计算机视觉专业人员的需求进行了优化。所有中间结果都可以查看和分析，为您提供对算法性能的全面洞察。

          • 循环和条件

          • 无需编写一行代码，就可以创建任意复杂的算法。使用适当的数据连接隐式地创建循环和条件。有关更多信息，请参见数据流编程。

          • Macrofilters

          • 大程序可以被组织成小的、容易理解的部分——宏过滤器。宏过滤器是一个可重用的过滤器序列，具有自己的输入、输出和数据处理周期。

          • 超过700个内置过滤器

          • 有数百种现成的机器视觉过滤器。它们被组织到定义良好的类别结构中，并遵循清晰一致的命名约定。它们被记录在过滤器参考中。

          • 硬件加速

          • 针对SSE技术和多核处理器，对滤波器进行了积极优化。我们的实现是世界上最快的实现之一(可以在性能部分看到)。

          • 综合数据类型集

          • 您不仅可以处理图像，还可以处理区域、路径、几何原语、剖面、直方图等。更多细节请见此视频。

          • 任意形状roi

          • 图像处理操作可以在整个图像或任意形状的区域内执行。小而精确的roi可用于显著加快处理速度。

          • 用户过滤

          • 您可以使用用户过滤器将自己的C/ c++代码与可视化编程的好处集成在一起。构建第一个用户过滤器需要30秒，重新编译后更新一个需要5秒。这个视频展示了它是多么简单和直接。

          • OpenCV的支持

          • 包括来自OpenCV库的免费开源过滤器。与一组标准过滤器一起，它们可以用来为简单的应用程序创建极具成本效益的解决方案。

          • 相机的支持

          • 支持许多不同制造商的相机，包括Basler, PointGrey和XIMEA。

          • GigE视觉支持

          • Adaptive Vision Studio和Adaptive Vision GigE SDK是GigE Vision兼容的产品，支持从相机配置到高性能图像采集的所有需要。请看这个视频展示。

          • 运行时的应用程序

          • 在Adaptive Vision Studio中创建的程序可以与轻量级运行时应用程序一起部署。用户界面(HMI)可以用一个简单的XML文件定义(从2.2开始可用)。

          • 执行程序库

          • 运行时引擎也可以作为DLL库使用，可以在C、c++或c#应用程序中使用。

          • 人机界面设计

          • 您可以轻松地创建自定义图形用户界面，从而使用单个软件包构建整个机器视觉解决方案。

      • 自适应视觉库

      • 自适应视觉库是一个通用的机器视觉工具集，优化了工业质量检测的需要。该库的主要优势包括出色的性能和全面的机器视觉算法集，特别是对图像处理、斑点分析和轮廓分析等底层技术的良好支持。

          • 自适应视觉库

          • 库的主要部分分为六个部分，根据感兴趣的数据类型定义:
            • 图像处理-包含初始图像预处理/细化的方法
            • 斑点分析，轮廓分析-建立在区域处理(Blob分析)和亚像素精确路径(轮廓分析)基础上的两大图像分析工具集
            • 档案、直方图-处理和分析一维数据的辅助工具集
            • 二维几何-在使用(可能)不同工具发现的物体之间执行最终测量的平台。

            此外，该库还提供了一些专业技术的支持，如一维测量、傅立叶分析和基于形状的模板匹配。

        • 自适应视觉库与自适应视觉工作室的关系

        • Adaptive Vision Library的每个函数都是Adaptive Vision Studio中相应过滤器的基础。因此，使用Adaptive Vision Studio作为一个方便的、点&点击的原型工具是可能的(也是可取的)，即使一个人打算使用Adaptive Vision Library在c++中开发最终的解决方案。

              • 图像处理

              • 高性能，任意形状的ROI操作，用于一元和二元算术，图像细化，形态学，平滑，空间变换，特征提取，梯度提取，众多阈值方法，磁盘IO等。

              • Blob分析

              • 经典blob分析技术的强大的健壮操作集。提供了blob提取、集合算法、区域细化、任意核形态学、骨骼化、空间转换、特征提取、测量等多种方法。

              • 轮廓分析

              • 亚像素精确工具集设计作为斑点分析的替代方案，特别适合于形状分析。提供轮廓提取、细化、分割、平滑、分类、全局转换、特征提取等方法。

              • 二维几何

              • 与库的其他部分兼容的详尽的几何操作工具集。为2D几何提供超过50个操作，包括几何原语拟合，测量，相交，切线，特征提取等。

              • 直方图和概要

              • 辅助工具集允许细化和分析从图像中提取的一维数据。库的创新设计使经典的直方图和概要文件远远超出他们通常的应用。在Adaptive Vision Library中，分析两条路径之间的距离的轮廓，或从一组对象中提取的数字特征的直方图并不罕见。

              • 1 d测量

              • 一组用于跨图像轮廓提取边缘的经典方法。该库提供了测量交替特征的成对边缘的专门方法，并支持沿任何路径的测量。

              • 基于边缘的模板匹配

              • 高效、健壮、易于使用的模板匹配方法。当低级技术不足以定位要查找的对象时，这些工具提供了可靠的替代方案。

              • 傅里叶分析

              • 该工具集既适用于教育实验，也适用于工业应用，它提供了傅里叶变换和频域图像处理的方法。

              • 性能

              • 在自适应视觉库中，算法的精心设计与详尽的硬件优化齐头并进，从而使该库的性能位居世界最快之列。我们的实现利用了SSE指令和多核处理器上的并行计算。

              • 可移植性

              • 该库不使用STL，而是基于简单而高效的Adaptive Template library。后者提供了大部分STL功能，同时避免了迭代器抽象和高级模板技术。因此，Adaptive Vision Library可以很容易地移植到各种嵌入式平台上，包括那些没有完全支持c++模板的平台。

              • 现代设计

              • 所有数据类型都具有自动内存管理功能。通过抛出适当的异常显式地处理错误。创新的可选输入结构提供了优雅的处理输入上的特殊值。

              • 一致性

              • 函数名有动词+名词的形式(例如SmoothImage, rotatvector)。如果一个操作有多个变体，则用一个以下划线开头的后缀来区分(例如SmoothImage_Mean, SmoothImage_Gauss)。所有的结果都是通过引用输出参数返回的，因此总是可以有多个输出。

          • 例子的结果