halcon形状匹配1--找寻最佳的匹配对象，即最优的一个

 halcon形状匹配1--找寻最佳的匹配对象，即最优的一个

流程思路：

1、创建两个不同方向的模型

2、使用模型进行匹配目标

核心算子：

*准备一个各向异性尺度形状模型进行匹配
create_aniso_shape_model (Image, 'auto', rad(0), rad(360), 'auto', 0.7, 1.3, 'auto', 1, 1, 'auto', 'auto', 'ignore_color_polarity', 'auto', 'auto', ModelID2)
*返回形状模型的轮廓表示。
get_shape_model_contours (Model2Contours, ModelID2, 1)

*寻找唯一的最佳匹配项

 find_aniso_shape_models (Image, [ModelID1,ModelID2], rad(0), rad(360), 0.7, 1.3, 1, 1, 0.80, 1, 0.5, 'least_squares', 0, 0.80, Row, Column, Angle, ScaleR, ScaleC, Score, Model)

补充： find_aniso_shape_model  寻找满足一定相似度阈值的所有目标

*这个例子演示了基于形状的多通道图像匹配。
*机器人应该只抓取没有被遮挡的部分。
*这个任务是通过抓住得分最高的夹子来解决的。
*人们认为，一块放在另一块上面总是会得到更高的分数。
*由于灰度图像中重叠块的局部对比度较差，
*多通道匹配是更加稳健的方法。
*如果你将模式改为“灰色”，第一张图片的匹配会失败。

* Select mode
Mode := 'multi channel'
* Mode := 'gray'
* 删除上一行的注释，以查看单通道匹配的性能.
* 
* Init可视化
dev_updat