「Halcon 项目」。
/~b4fb3ZrHFz~:/
链接：https://pan.quark.cn/s/1ee336f5e76d

HALCON + BOP：从深度图到6D Pose

这份资料记录了从选择数据集、理解ROI和点云，到用HALCON完成Surface Matching、稠密Pose精修、6D Pose显示、计时优化和100帧精度评估的全过程。

建议第一次阅读时按章节顺序看；以后查代码时可以直接跳到“关键代码位置”和“当前结论”。

1. 当前环境与数据

软件

• HALCON版本：22.11 Steady

• HALCON安装目录：E:\Halcon2022\MVTec\HALCON-22.11-Steady

• BOP数据目录：E:\BOP-Dataset\lm

• 当前学习资料：本文件所在目录

为什么改用BOP数据集

最初考虑使用RealSense D435i和Replica room0：

• D435i现场深度噪声较明显，刚开始不利于判断算法错误还是传感器错误。

• Replica适合室内场景重建和相机轨迹实验，但不方便直接学习“已知物体CAD模型的6D Pose”。

• BOP LM同时提供RGB、深度、相机内参、PLY模型、物体Mask和6D Pose真值，更适合验证完整流程。

当前对象和场景

数据集：BOP LM 物体：obj_000008，电钻 PLY模型：E:\BOP-Dataset\lm\models\obj_000008.ply 测试场景：E:\BOP-Dataset\lm\test\000008 单帧示例：000404

场景000008中已有：

• 200张RGB图

• 200张深度图

• 200张普通Mask

• 200张可见Mask

• 200帧相机参数和6D Pose真值

• 电钻在全部200帧中出现

文件编号不是连续的000000～000199，实际范围约为000004～001185。

数据集来源与最小组合

• BOP官网：https://bop.felk.cvut.cz

• Hugging Face数据集主页：https://huggingface.co/bop-benchmark/datasets

为了完成当前电钻实验，最少需要：

lm/models/obj_000008.ply lm/models/models_info.json lm/test/000008/rgb lm/test/000008/depth lm/test/000008/mask_visib lm/test/000008/scene_camera.json lm/test/000008/scene_gt.json lm/test/000008/scene_gt_info.json

当前E:\BOP-Dataset\lm已经包含所需内容，不需要再次下载。数据集已经给出电钻PLY模型，因此这一阶段不需要自己使用CAD软件重新制作模型。

BOP目录结构

E:\BOP-Dataset\lm ├─ models │ ├─ obj_000008.ply 电钻三维模型 │ └─ models_info.json 模型尺寸信息 └─ test\000008 ├─ rgb RGB图 ├─ depth 深度图 ├─ mask 完整物体Mask ├─ mask_visib 当前画面可见部分Mask ├─ scene_camera.json 相机内参、深度比例 ├─ scene_gt.json 6D Pose真值 └─ scene_gt_info.json 可见比例、真值框等信息

2. 最终流水线

RGB与深度图 → 检测框或分割Mask得到ROI → 深度图反投影成X/Y/Z图 → xyz_to_object_model_3d生成场景点云 → 读取PLY模型 → create_surface_model生成参考Surface Model → find_surface_model进行全局粗匹配 → dense_pose_refinement进行稠密Pose精修 → 得到T_camera_object → 显示红绿蓝坐标轴 → 与BOP真值比较

完整流程总图：

3. 十个处理阶段

3.1 原始RGB

RGB图方便人和二维检测器识别物体，但RGB像素本身没有三维距离。

3.2 深度图

深度图的每个有效像素保存一个距离值Z。BOP原始深度以整数形式保存，本例按depth_scale转换后再除以1000得到米。

3.3 ROI

ROI是Region of Interest，即感兴趣区域。它的作用是只保留目标附近的深度点，减少桌面、玩具和背景对配准的干扰。

当前单帧程序默认使用矩形框模拟二维检测器输出；调试时也可以使用BOP可见Mask。

3.4 深度图转换为XYZ图

用相机内参将像素坐标和深度反投影到相机三维坐标系：

X = (u - Cx) × Z / Fx Y = (v - Cy) × Z / Fy Z = 深度

其中Fx/Fy是焦距，Cx/Cy是主点，u/v是图像列和行。

3.5 ObjectModel3D场景点云

同一个像素位置的X、Y、Z组成一个三维点，所有有效点组合后就是场景点云。

HALCON关键代码：

xyz_to_object_model_3d (ImageX, ImageY, ImageZ, SceneModel3D)

3.6 PLY/CAD模型

PLY是物体的标准三维几何模型。它不一定必须由自己使用CAD软件制作，也可以来自数据集、三维扫描、厂家或公开模型。

在配准中，PLY模型是需要被移动和旋转的“参考模型”；现场深度形成的点云是“场景模型”。

3.7 Surface Model

create_surface_model会对PLY表面采样，建立点对几何特征、表面法向和搜索结构。

create_surface_model ( CADModel3D, 0.01, ['model_invert_normals'], ['true'], SurfaceModelID )

训练Surface Model较慢，但同一个物体只需离线创建一次。现在程序会将其缓存，后续用read_surface_model直接读取。

3.8 全局粗匹配

HALCON Surface-Based Matching先对场景降采样并选择关键点，再比较场景点对和CAD点对的距离及相对方向，生成候选Pose。

随后默认进行稀疏Point-to-Plane姿态优化。因此这里的“粗配”更准确地说是：

点对特征全局搜索 + 稀疏点到平面Pose优化

3.9 稠密Pose精修

设置dense_pose_refinement='true'后，HALCON使用更多场景点，让场景点到最近CAD切平面的距离尽量小。

这可以理解为HALCON封装的稠密Point-to-Plane ICP风格优化。

find_surface_model ( SurfaceModelID, SceneModel3D, RelSamplingDistance, KeyPointFraction, 0.05, 'false', ['num_matches','scene_invert_normals','dense_pose_refinement'], [1,'true','true'], PoseEstimated, Score, SurfaceMatchingResultID )

3.10 6D Pose

6D Pose包含：

• 三个平移量：X、Y、Z

• 三个旋转量：Rx、Ry、Rz

最终矩阵：

HomMat3DEstimated = T_camera_object

它表示“物体模型坐标系中的点如何变换到相机坐标系”。

pose_to_hom_mat3d (PoseBest, HomMat3DEstimated)

红轴是X，绿轴是Y，蓝轴是Z；轴原点表示物体位置，轴方向表示物体旋转。

HALCON当前直接输出：

图中：

• 红色轮廓：BOP真值Pose

• 绿色轮廓：HALCON预测Pose

• 红/绿/蓝箭头：预测物体坐标系X/Y/Z

• T(mm)：物体原点相对于相机的位置

• R(deg)：HALCON Pose中的三个旋转角

4. 单帧结果

示例帧000404使用矩形ROI时：

场景点数：43,745 粗配平移误差：8.10 mm 粗配旋转误差：4.72° 精修平移误差：约1.72 mm 精修旋转误差：约0.71°

这个结果说明：

• 全局粗配成功找到了正确物体附近。

• 稠密精修显著降低了位置和角度误差。

• 深度单位、相机内参、CAD比例和法向方向基本正确。

• 单帧结果很好，但不能代表全部观察角度。

5. 为什么最初运行很慢

初始程序内部计时：

阶段	时间
深度、ROI、XYZ点云	约0.015秒
每帧重新创建Surface Model	约8.99秒
额外粗配测试	约8.78秒
第二次完整匹配和精修	约8.00秒
总时间	约29.70秒

主要问题有两个：

1. Surface Model原本每帧重新训练。

2. 为比较粗配和精配，程序把全局搜索完整执行了两次。

优化后：

• Surface Model离线生成并缓存。

• 生产模式只执行一次带稠密精修的匹配。

• 可使用ShowVisualization := 0关闭轮廓、坐标轴和PNG输出。

显示和保存结果图本身约需3～4秒，因此“算法时间”和“带显示的演示时间”要分开看。

6. 100帧批量评估

为了避免被单帧结果误导，从200帧中均匀选择了100帧，并使用BOP可见真值Mask，先测试Surface Matching本身。

快速参数

RelSamplingDistance = 0.015 KeyPointFraction = 0.5

结果：

• 返回Pose：44/100

• 正确且低于5 mm、5°：14/100

• 低于2 mm、1°：1/100

• 平均匹配时间：约0.285秒

保守参数

RelSamplingDistance = 0.010 KeyPointFraction = 1.0

结果：

• 返回Pose：63/100

• 正确且低于5 mm、5°：21/100

• 低于2 mm、1°：1/100

• 平均匹配时间：约1.342秒

• 返回结果中的平移误差中位数：约5.83 mm

• 返回结果中的旋转误差中位数：约1.63°

• 旋转误差P95接近178°，存在严重错误翻转

100帧测试带来的关键认识

000404上的约1.72 mm / 0.71°是一个效果很好的样例，但当前配置不能稳定覆盖不同观察角度。

当前真正的瓶颈是“粗配候选错误”，而不是最后的稠密精修：

错误的全局候选Pose → 稠密精修进入错误局部极值 → 产生几十毫米或接近180°的错误

精修只能改善已经接近正确解的初始Pose，不能稳定挽救完全错误的粗配。

7. 当前主程序开关

主程序：code/bop_lm_obj8_6d_pose.hdev

ROI模式

UseGroundTruthMask := 0

• 0：矩形ROI，模拟检测器目标框

• 1：BOP可见真值Mask，仅用于调试和算法上限测试

精度模式

AccuracyMode := 1

• 1：保守参数0.010 / 1.0，召回和精度优先

• 0：快速参数0.015 / 0.5，仅适合实验

可视化

ShowVisualization := 1

• 1：显示红绿轮廓、6D坐标轴和Pose数值

• 0：关闭图形输出，用于生产计时或批处理

是否额外运行粗配基准

RunCoarseBenchmark := 0

• 0：生产模式，只匹配一次

• 1：额外运行一次不带Dense Refinement的匹配，用来比较粗配和精修误差

8. 文件说明

HALCON和Python代码

• code/bop_lm_obj8_6d_pose.hdev：单帧完整流程、计时和6D Pose显示

• code/benchmark_bop_lm_obj8_halcon.hdev：单帧参数扫描

• code/bop_lm_obj8_batch100_eval.hdev：100帧HALCON批量评估

• code/prepare_bop_lm_obj8_batch100.py：准备100帧ID、真值矩阵和可见比例

• code/analyze_bop_lm_obj8_batch100.py：汇总100帧结果

• code/bop_lm_obj8_visualize.py：生成十张流程图

• code/make_bop_pipeline_montage.py：拼接流程总图

结果

• results/bop_lm_obj8_batch100_results.csv：两组参数的逐帧结果

• results/bop_lm_obj8_batch100_summary.json：100帧汇总指标

• results/bop_lm_obj8_batch100_worst20.csv：最差20帧

• results/bop_lm_obj8_parameter_benchmark.tup：单帧参数扫描原始结果

• results/bop_lm_obj8_timing_result.tup：分阶段计时

Surface Model缓存约65 MB，为避免在资料包中复制两份，仍保存在上一级目录：

../obj_000008_surface_model.sfm

9. 如何在HDevelop中运行

1. 打开code/bop_lm_obj8_6d_pose.hdev。

2. 确认E:\BOP-Dataset\lm存在。

3. 确认上一级outputs目录中存在obj_000008_surface_model.sfm。

4. 初次学习保持：

   ShowVisualization := 1 AccuracyMode := 1 RunCoarseBenchmark := 0

5. 运行后观察图形窗口中的红绿轮廓、XYZ坐标轴和Pose数值。

6. 查看输出的HomMat3DEstimated，它就是T_camera_object。

批量测试时打开code/bop_lm_obj8_batch100_eval.hdev，该程序默认关闭逐帧图形显示，只输出数值结果。

10. 下一步优化方向

后续继续使用HALCON，建议按这个顺序进行：

1. 将num_matches由1改为5～10，保留多个粗配候选。

2. 根据深度残差、轮廓重合和可见面积重新选择候选Pose。

3. 对低Score或残差异常的Pose执行拒绝，不发送给机器人。

4. 加入相机视角和允许旋转范围约束，排除不可能的180°翻转。

5. 尝试支持3D边缘的Surface Model。

6. 将最差20帧逐一生成轮廓和坐标轴图，寻找共同失败模式。

7. 连续视频使用上一帧Pose调用refine_surface_model_pose进行跟踪，丢失时才重新全局搜索。

8. 接入D435i后重新标定内参，过滤飞点和深度边缘噪声，并单独统计真实相机精度。

9. 机械臂场景还需要加入手眼标定误差，最终系统误差不等于单独的Pose误差。

11. 当前阶段结论

已经完成：

• BOP LM最小数据准备

• 深度图到XYZ和ObjectModel3D

• PLY到Surface Model

• HALCON全局Surface Matching

• 稀疏和稠密Point-to-Plane Pose优化

• T_camera_object输出

• BOP真值误差计算

• 红绿轮廓与6D坐标轴显示

• Surface Model缓存和分阶段计时

• 100帧速度、召回和精度验证

尚未完成生产要求：

• 跨视角粗配稳定性不足

• 错误Pose拒绝机制不足

• 多候选重排序尚未实现

• D435i真实数据尚未重新评估

• 手眼标定和机器人坐标变换尚未接入

当前最重要的工程任务不是继续盲目调整Dense Refinement，而是提高全局候选的召回、筛选正确候选并可靠拒绝错误Pose。