Hoe u beelden van uw industriële camera kunt verkrijgen door Aravis op Linux te installeren

Hoe Aravis op Linux te installeren en afbeeldingen van de machine vision-camera te verkrijgen

Aravis is een machine vision-softwarekit die is ontwikkeld om meerdere machine vision-camera's tegelijkertijd te gebruiken, ongeacht de fabrikant. Het is een objectgebaseerde visiebibliotheek, oorspronkelijk gemaakt voor Linux, voor het besturen en verwerven van beelden van digitale industriële camera's, en wordt geleverd met een eenvoudige viewerinterface. In dit artikel beschrijven we hoe u Aravis op Linux installeert met behulp van Python en begint met het verkrijgen van afbeeldingen van uw industriële camera.

Stap 1: Installeer Python en Pip op uw Linux-computer

Om Python en Pip te installeren, opent u de Linux-terminal en voert u de volgende regels in: 
 $ sudo apt update 
$ sudo apt installeer python3.8
 $ sudo apt installeer python3-pip
Selecteer een Python-versie die compatibel is met uw Linux-distributie, zoals Python 3.8. Controleer vervolgens of Python en Pip op uw Linux-computer zijn geïnstalleerd met behulp van de volgende regels: 
 $ python3 --version
 $ pip3 --version

Stap 2: Installeer Meson en Ninja op uw Linux-computer

Installeer Meson en Ninja met Python met behulp van de volgende regel: 

 $ pip3 install --user meson 
$ pip3 installeer ninja

De basisvereisten zijn nu geïnstalleerd.

Stap 3: Installeer de nieuwste versie van Aravis op uw Linux-computer

Om Aravis vanaf de bron te installeren, downloadt u de nieuwste release van https://github.com/AravisProject/aravis/releases . Omdat er maar één versie beschikbaar is voor Linux, Windows en Mac, kunnen we Aravis vanaf de bron bouwen. Voordat we Aravis bouwen, moeten we echter de afhankelijkheden installeren. U kunt de gedetailleerde lijst met afhankelijkheden vinden in het bestand “meson.build”.

Afhankelijkheden installeren

Om de meeste benodigde afhankelijkheden te installeren, kunt u de volgende opdracht gebruiken: 
$ sudo apt install libxml2-dev libglib2.0-dev cmake libusb-1.0-0-dev gobject-introspection \
                libgtk-3-dev gtk-doc-tools xsltproc libgstreamer1.0-dev \
                libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev \
                libgirepository1.0-dev

Optioneel : voor kleurenmachinevisiecamera's zijn extra plug-ins voor "gstreamer" nodig: 
$ sudo apt-get install gstreamer1.0-plugins-bad

Volg de Linux-tutorial op hun website: Installeren | CMaak .

Voordat u Aravis bouwt, moet u de nieuwste versie van “cmake” en “gi-docgen” installeren met behulp van de volgende regels: 

 $ pip3 install --user gi-docgen

Nu zijn we klaar om Aravis te bouwen. Gebruik de volgende opdrachten om Aravis te bouwen: 

$ meson build
 $ cd build
 $ sudo ninja
 $ sudo ninja install

Kopieer het bestand “aravis.rules” naar de Linux-apparaatbeheerder “udev: etc/udev/rules.d” met behulp van de volgende regel: 
 $ sudo cp ~/Path/to/your/Aravis/src/aravis.rules /etc/udev/rules.d

Start uw computer opnieuw op om de installatie te voltooien. Nadat u uw computer opnieuw hebt opgestart, navigeert u via uw Linux-terminal naar de viewer en start u het programma. 
~/Path/to/your/Aravis/build/viewer$ ./arv-viewer-XX

Sluit uw machine vision-camera aan en klik op de herlaadknop. U zou nu de naam van uw aangesloten machine vision-camera en het serienummer ervan moeten zien. Klik op uw camera en druk op de afspeelknop om de acquisitie te starten. U zou nu een livefeed moeten krijgen van de geselecteerde machine vision-camera.
Aravis-GUI
(Getest op Linux Ubuntu 20.04, met een MER-160-227U3M-L machine vision-camera)

De Aravis-viewer werkt voor zowel onze USB3- als onze GigE-camera's. Voor de GigE machine vision-camera's moet u eerst de IP-instellingen configureren, net zoals u dat bij GalaxyView zou doen. Nadat het IP-adres is geconfigureerd, werken de GigE machine vision-camera's met de Aravis-viewer.


Heeft u technische ondersteuning nodig?

Als u deze stappen heeft gevolgd maar niet het gewenste resultaat heeft gekregen, neem dan contact op met onze technische ondersteuningsmedewerkers ! Eén van onze vision engineers beantwoordt uw vraag binnen 24 uur. Heeft u andere technische vragen op het gebied van machine vision? Bezoek dan ons kenniscentrum machine vision . We uploaden regelmatig nieuwe technische artikelen.

Wilt u op de hoogte blijven van onze visieartikelen, volg dan onze pagina op LinkedIn . We plaatsen elk nieuw artikel na de publicatie ervan.