Adriano
27fa5986bf
CI / test (push) Failing after 18s
Kernel Numba JIT, precisione misurata (0.05 deg / 0.04 px), pipeline refine (bitmap fine + LSQ pos+angolo), propagate windowed, webapp con endpoint DXF/roi_poly/ricette, test pytest + CI, Test/ non versionate, deploy compose build sulla VPS, parametri aggiornati ai default reali. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
221 lines
8.8 KiB
Markdown
221 lines
8.8 KiB
Markdown
# Shape Model 2D — Standalone PM 2D
|
||
|
||
Pattern Matching 2D shape-based (stile Halcon `find_shape_model`), standalone:
|
||
libreria Python + GUI desktop + webapp FastAPI.
|
||
|
||
Due backend algoritmici:
|
||
|
||
| Backend | Modulo | Algoritmo |
|
||
|---|---|---|
|
||
| `line` (default) | `pm2d.line_matcher.LineShapeMatcher` | Linemod-style: orientazione gradiente quantizzata + spread bitmap + kernel Numba JIT + refine least-squares |
|
||
| `edge` (legacy) | `pm2d.matcher.EdgeShapeMatcher` | Edge Canny + `matchTemplate` multi-rotazione (fallback semplice, lento) |
|
||
|
||
Porting algoritmico di `meiqua/shape_based_matching/line2Dup`; gli hot-path
|
||
sono kernel **Numba JIT** (`pm2d/_jit_kernels.py`, parallelo, ≈ velocità C)
|
||
con fallback NumPy automatico se numba non è disponibile.
|
||
|
||
## Precisione (misurata su ground-truth sintetica, 7 pose note)
|
||
|
||
| Metrica | Valore |
|
||
|---|---|
|
||
| Errore angolare mediano | **~0.05°** (step 5°), ~0.03° (step 2°) |
|
||
| Errore posizione mediano | **~0.04 px** |
|
||
| Recall | 7/7 a min_score 0.5 |
|
||
|
||
Pipeline di refine: golden-section sull'angolo su bitmap fine (raggio 1,
|
||
non satura) → least-squares 3×3 congiunto (dx, dy, dθ) sui gradienti scena
|
||
(`subpixel_lm`, ON di default). I test in `tests/` fanno da guardia di
|
||
non-regressione su queste soglie.
|
||
|
||
## Struttura
|
||
|
||
```
|
||
shape_model_2d/
|
||
├── pm2d/
|
||
│ ├── line_matcher.py # LineShapeMatcher (default)
|
||
│ ├── _jit_kernels.py # kernel Numba JIT (score bitmap, windowed, popcount)
|
||
│ ├── matcher.py # EdgeShapeMatcher (legacy)
|
||
│ ├── dxf.py # rasterizzazione DXF → template (ezdxf)
|
||
│ ├── auto_tune.py # stima automatica parametri (simmetria, soglie)
|
||
│ ├── gui.py # GUI OpenCV + tk file dialog
|
||
│ ├── bench.py, eval.py # CLI benchmark / valutazione
|
||
│ └── web/ # webapp FastAPI (server.py + static/)
|
||
├── benchmarks/test_suite.py # suite 16 scenari su immagini reali (Test/)
|
||
├── tests/ # pytest sintetici (precisione + unit, no Test/)
|
||
├── .gitea/workflows/ci.yml # CI: uv sync + ruff + pytest
|
||
├── main.py # entry point GUI
|
||
├── Test/ # immagini di test LOCALI (non versionate)
|
||
├── Dockerfile, docker-compose.yml
|
||
└── pyproject.toml
|
||
```
|
||
|
||
GUI/web e algoritmo separati: i matcher sono riusabili da qualsiasi script.
|
||
|
||
## Setup
|
||
|
||
```bash
|
||
uv sync
|
||
```
|
||
|
||
## Esecuzione
|
||
|
||
```bash
|
||
uv run python main.py # GUI desktop
|
||
uv run python -m uvicorn pm2d.web.server:app --port 8080 # webapp
|
||
uv run pytest tests/ # test (sintetici, ~1 min)
|
||
uv run python benchmarks/test_suite.py # benchmark (richiede Test/)
|
||
```
|
||
|
||
Le immagini in `Test/` **non sono versionate** (vedi `.gitignore`): la suite
|
||
benchmark le richiede in locale, i test pytest no.
|
||
|
||
## API algoritmo (backend `line`)
|
||
|
||
```python
|
||
import cv2
|
||
from pm2d import LineShapeMatcher
|
||
|
||
template = cv2.imread("model.png")
|
||
scene = cv2.imread("scene.png")
|
||
|
||
m = LineShapeMatcher(
|
||
num_features=96, # feature sparse per variante
|
||
weak_grad=30, # soglia gradiente debole (spread/hysteresis)
|
||
strong_grad=60, # soglia gradiente forte (estrazione feature)
|
||
angle_range_deg=(0, 360),
|
||
angle_step_deg=5.0, # <=0 → step auto dal lato template
|
||
scale_range=(0.9, 1.1), # invarianza a scala
|
||
scale_step=0.05,
|
||
spread_radius=4, # tolleranza posizionale matching coarse
|
||
pyramid_levels=3, # clampato auto alla dimensione template
|
||
)
|
||
m.train(template) # opzionale: train(template, mask=...) per ROI parziale
|
||
matches = m.find(scene, min_score=0.55, max_matches=25)
|
||
|
||
for x in matches:
|
||
print(x.cx, x.cy, x.angle_deg, x.scale, x.score) # pose sub-pixel/sub-grado
|
||
```
|
||
|
||
Opzioni `find()` utili: `search_roi=(x, y, w, h)`, `min_recall`,
|
||
`scale_penalty`, `use_soft_score`, `debug=True` (diagnostica drop),
|
||
`profile=True` (timing per fase via `get_last_profile()`).
|
||
|
||
Persistenza modello (Halcon write/read_shape_model):
|
||
|
||
```python
|
||
m.save_model("ricetta.npz")
|
||
m2 = LineShapeMatcher.load_model("ricetta.npz") # deploy senza re-train
|
||
```
|
||
|
||
## Come funziona il backend `line`
|
||
|
||
### Training
|
||
|
||
Per ogni coppia (angolo, scala) del template:
|
||
1. Rotazione + scala su canvas con padding diagonale (centro di rotazione
|
||
= centro reale del template, coerente in tutta la pipeline)
|
||
2. Sobel → magnitude + orientation, quantizzata in **8 bin modulo π**
|
||
(16 bin mod 2π con `use_polarity=True`)
|
||
3. Edge selection con **hysteresis** weak/strong (Halcon Contrast auto)
|
||
4. **N feature sparse** top-magnitude con spacing minimo, salvate come
|
||
`(dx, dy, bin)` arrotondate rispetto al centro-modello
|
||
5. Piramide feature per livello + dedup varianti identiche (simmetrie)
|
||
|
||
### Matching
|
||
|
||
Scena processata una volta per livello (e cachata per scene ripetute):
|
||
Sobel → quantizzazione → **spread bitmap** uint8/uint16 (bit b = bin b
|
||
presente nel raggio) → kernel JIT:
|
||
|
||
```
|
||
score[y, x] = popcount-AND feature/bitmap / N_features (rescored vs background)
|
||
```
|
||
|
||
1. **Top-level**: valuta 1 variante ogni `cf_auto` (step angolare auto:
|
||
al livello top lo spread tollera ~atan(spread/(lato_top/2)) gradi),
|
||
pruning per soglia + istogramma orientazioni.
|
||
2. **Full-res windowed** (`pyramid_propagate`, default ON): score calcolato
|
||
solo in finestre attorno ai massimi locali del top-level — costo
|
||
proporzionale ai candidati, non a varianti × W × H. Per template
|
||
elongati (>2:1) si torna automaticamente al full-scan esatto.
|
||
3. **Refine per candidato**: subpixel 2D sul picco → golden-section
|
||
sull'angolo su bitmap fine → least-squares (dx, dy, dθ) sui gradienti.
|
||
4. **Verify**: NCC su crop locale (anti falsi-positivi, mediato nello
|
||
score) → NMS IoU su bbox poligonali orientati.
|
||
|
||
## Parametri principali
|
||
|
||
| Parametro | Default | Significato |
|
||
|---|---|---|
|
||
| `num_features` | 96 | feature sparse per variante |
|
||
| `weak_grad` | 30 | soglia debole (spread + hysteresis) |
|
||
| `strong_grad` | 60 | soglia forte (estrazione feature) |
|
||
| `spread_radius` | 4 | tolleranza posizionale matching coarse |
|
||
| `angle_range_deg` | `(0,360)` | range rotazioni |
|
||
| `angle_step_deg` | 5.0 | passo angolare (<=0 = auto) |
|
||
| `scale_range` | `(1,1)` | range scale |
|
||
| `pyramid_levels` | 3 | livelli piramide (clamp auto su template piccoli) |
|
||
| `min_score` | 0.6 | soglia score finale [0..1] |
|
||
| `max_matches` | 20 | numero max di match |
|
||
| `verify_threshold`| 0.4 | soglia NCC anti falso-positivo |
|
||
| `subpixel_lm` | True | least-squares finale pos+angolo |
|
||
| `pyramid_propagate` | True | full-res solo in finestre sui picchi top |
|
||
|
||
## Webapp (pm2d/web)
|
||
|
||
UI single-page (canvas ROI rettangolare o **poligonale**, slider parametri,
|
||
anteprima edge, ricette) + API JSON:
|
||
|
||
| Endpoint | Funzione |
|
||
|---|---|
|
||
| `POST /upload` | carica immagine (multipart) |
|
||
| `POST /upload_dxf` | carica **DXF** → rasterizzato a template (`?size=128..2048`) |
|
||
| `POST /match` | match con parametri tecnici (`roi`, opzionale `roi_poly`) |
|
||
| `POST /match_simple` | match con profili semplificati (precisione/filtro_fp/simmetria) |
|
||
| `POST /auto_tune` | stima automatica parametri dalla ROI |
|
||
| `POST /recipes`, `GET /recipes`, `/match_recipe` | salva/carica/usa ricette `.npz` |
|
||
| `GET /image/{id}/annotated` | PNG con overlay match (UCS) |
|
||
|
||
Dalla UI: bottone **Esporta JSON** per scaricare i risultati completi
|
||
(pose, score, bbox, parametri, tempi) per integrazione.
|
||
|
||
## Test e CI
|
||
|
||
- `tests/`: pytest **sintetici** (template/scene generati, GT nota) —
|
||
precisione angolo/posizione, recall, cache, save/load, mask poligonale.
|
||
- CI Gitea Actions (`.gitea/workflows/ci.yml`): ruff + pytest su ogni push.
|
||
- `benchmarks/test_suite.py`: 16 scenari su immagini reali per confronto
|
||
manuale prestazioni/recall (richiede `Test/` in locale).
|
||
|
||
## Roadmap
|
||
|
||
Vedi [ROADMAP.md](ROADMAP.md) — Fase 1 (speed) e Fase 2 (precisione
|
||
rotazione + robustezza) completate; prossimo target: latency <50 ms su
|
||
1920×1080 (auto step per livello fatto; restano greediness default, GPU,
|
||
eventuale SIMD C++).
|
||
|
||
## Deploy VPS con Docker + Traefik
|
||
|
||
Assume che sulla VPS siano già attivi:
|
||
- **Traefik** come reverse proxy su network Docker esterna `traefik`
|
||
- Entrypoint `websecure` (:443) e cert resolver configurato
|
||
|
||
```bash
|
||
cd /opt/docker/visionsuite/shape_model_2d
|
||
docker compose build
|
||
docker compose up -d
|
||
```
|
||
|
||
Servizio raggiungibile: **https://pm.tielogic.xyz**
|
||
|
||
### Note operative
|
||
|
||
- **Volume `./images`**: persistenza delle immagini caricate tramite UI
|
||
(`IMAGES_DIR=/data/images` nel container). Sopravvive a restart.
|
||
- **Upload max 50MB**: middleware Traefik `pm2d-bodysize`. Adattare se serve.
|
||
- **Cache matcher in-memory**: si svuota a restart container (ri-popolata
|
||
al primo match). Le ricette `.npz` invece persistono in `recipes/`.
|
||
- **Healthcheck**: HTTP `GET /images` ogni 30s.
|
||
- Se nome network Traefik o cert resolver diversi, modifica i labels in
|
||
`docker-compose.yml`.
|