HALCON 21中文永久破解版 v21.05

HALCON 21是一款机器视觉学习软件，可以帮助用户进行产品的快速设计，在软件中提供了非常多的指令集，可以让设计变得更加简单，软件还支持多核处理器平台，这意味着用户可以利用多核处理器进行工作运行和分析，进行Blob分析、测量以及机器动态学习等等，提高你的工作效率。软件上集成了上百万的设备数据库供用户选择。这套软件提供最先进的机器视觉技术，例如全面的 3D 视觉和深度学习算法。重要的是该软件还支持跨平台，拥有成千上万成熟的相机和图像采集卡接口，如USB3 Vision等各种接口标准应有尽有。

软件功能

1、DEEP OCR 改进

HALCON 中包含的 Deep OCR 是一种基于深度学习的整体 OCR 方法。与其他算法相比，该技术可以更加稳定地定位字符，不受其方向、字体类型和极性影响。在该软件中，Deep OCR 的性能和易用性得到改进。现在可以更加稳健地处理大图像，并且结果现在包含具有对应置信度值的候选字符列表，可用于进一步改善识别结果。由于支持的字符集得到扩展，整体稳定性提高，应用范围更加广泛，也为客户带来效益。

2、通用形状匹配

HALCON 21.05 引入了通用形状匹配，这使 MVTec 已工业验证的形状匹配技术更加人性化和面向未来。 通过显着减少所需算子的数量，用户现在可以更快，更轻松地实施他们的解决方案。 此外，由于 HALCON 将不同的形状匹配方法统一到一组算子中，因此用户现在可以更轻松地集成与形状匹配相关的新功能

3、HDEVELOP 易用性改进

HDevelop的新窗口停靠方式使HDevelop易用性得到了改进。用户现在有更多的选项来控制浮动窗口打开的位置。

到目前为止，主界面的左上角一直被用作“界面坐标原点”。现在可以另行选择HDevelop所在的“屏幕左上角”，或者HDevelop“本身左上角”。

此外，HDevelop 现在还加入了一个新的停靠功能“自动隐藏”。这样，用户就可以将当前不需要的小部件快速收入侧边栏，再在需要时轻松将其调出。

最后，图形窗口现在可以在新的画布窗口中以一种更便捷的方式，分开和组合。

4、HALCON 深度学习框架

该软件引入了该软件深度学习框架的第一个版本。 该框架允许有经验的用户在该软件中创建自己的模型。 利用此功能，专家们现在可以在该软件中甚至实现最苛刻和高度复杂的应用程序，而不必依赖预先训练的网络或第三方框架。

5、亚像素条形码阅读器改进

该软件的亚像素条形码阅读器能够读取非常细的条形码。该软件中, 针对低分辨率的代码,亚像素条形码阅读器有所改进。现在这些条形码的解码率提高了 50%。

6、改进了2D和3D基本运算符，以实现快速，强大的预处理

在该软件中，3D 点云采样现在支持一种称为“最远点”的新模式，该模式通常会导致对3D对象的采样更加统一。

通过使用来自XYZ映射的信息的新模式扩展了 3D 点云平滑。 3D 点云平滑可用作预处理步骤，以平滑点云并消除噪声。 此模式通常会缩短处理时间。

HALCON 21.05 的进一步改进包括基本图像算子的总体加速。

软件特色

1、基于表面的 3D 匹配得到了提升

在该软件中，针对具有许多对象和边缘的 3D 场景，支持边缘、基于表面的 3D 匹配速度得到了明显的提升。

除此之外，由于不再需要设置视点，还提高了可用性。

2、DOTCODE 和数据矩阵矩形扩展

在该软件中，数据代码读取器扩展了新的代码类型。 此类 2D 代码是基于点的矩阵。 因此，它可以非常快速地被打印，特别适用于制药或烟草行业等高速应用场景。

此外，ECC 200 代码读取器现在支持数据矩阵矩形扩展（DMRE）。

3、DEEP OCR

Deep OCR，是一种基于整体深度学习的 OCR 方法。 这项新技术使机器视觉距人类阅读更近了一步。

与现有算法相比，Deep OCR 在字符方向、字体类型和极性是任意的情况下也可以稳健地定位字符。 自动对字符进行分组的功能实现了识别整个单词。 由于避免了例如对具有相似外观的字符的误解，因此极大地提高了识别性能。

4、基于形状的匹配得到改进

在 HALCON 20.11 中，基于形状的匹配的核心技术已得到改进。

尤其是在低对比度和高噪声的情况下。 现在可以自动估计更多参数， 这提高了在低对比度和高噪声情况下的可用性、匹配率以及鲁棒性。

5、HDEVELOP FACELIFT

为了提升用户体验，该软件的集成开发环境 HDevelop 进行了改头换面。

在该软件中，实现了更多用于单独配置的选项，例如新的现代窗户对接概念。 而且，现在可以使用主题来改善视觉人体工程学，并更符合个人喜好。

6、深度学习边缘提取

深度学习边缘提取是一种全新且独特的方法，可以可靠地提取边缘（例如物体边界）。

特别是对于在图像中可见各种边缘的场景，可以仅用很少的图像对其进行训练，便能可靠地提取所需的边缘。 因此，使用该版本的 MVTec 该软件可以大大减少提取特定种类边缘的编程工作。 此外，预训练神经网络本身就能够在低对比度和高噪声情况下稳健地检测边缘。 这使得提取"之前通过边缘检测过滤器无法检测到的边缘"成为可能。