포인트 클라우드 클러스터링

기능 설명

지정된 규칙에 따라 포인트 클라우드 클러스터링하고 보통 대상 물체를 분할하는 데 사용됩니다.

../../../../../_images/functional_description5.png

응용 시나리오

일반적으로 포인트 클라우드의 사전 처리 단계에 사용되며 간섭을 줄 수 있는 포인트 클라우드를 제거합니다.

유클리드 거리(EuclideanCluster) 방법과 영역 성장 (RegionGrowingSeg) 방법을 통하여 포인트 클라우드에 대해 클러스터링을 할 수 있습니다.

포인트 클라우드가 공간적으로 서로 분리되는 경우에 전자(EuclideanCluster)를 사용하고, 공간적으로 연속되지만 연결점 위치에서 곡률 변동이 큰 경우에 후자(RegionGrowingSeg)를 사용하는 것을 권장합니다.

입력 및 출력

../../../../../_images/usage_scenario.png

파라미터

클러스터링 알고리즘

기본값:EuclideanCluster
값 리스트:EuclideanCluster,RegionGrowingSeg
설명:이 파라미터는 클러스터링 알고리즘을 선택하는 데 사용됩니다. 두 가지 알고리즘이 있는데 실제 작업 현장에서 EuclideanCluster 를 사용하는 것을 권장하므로 우선 이 알고리즘을 소개하겠습니다.
  • EuclideanCluster :거리에 근거하여 같은 클러스터인지 판단합니다.

  • RegionGrowingSeg :법선 벡터 및 곡률에 근거하여 같은 클러스터인지 판단합니다.

EuclideanCluster

출력된 클러스터 중에 인접된 포인트 간의 최대 거리
기본값:0.0030
설명:이 파라미터는 클러스터의 허용 오차입니다. 이 수치를 높이면 멀리 떨어져 있는 포인트들은 같은 클러스터로 분류되고 수치를 작게 설정하면 간격이 가까운 포인트들은 다른 클러스터로 분류될 것입니다.
예시:아래 그림과 같이 왼쪽 이미지는 해당 파라미터가 기본값 0.003 으로 설정된 경우의 결과이고 오른쪽 이미지는 파라미터 수치가 0.005 로 설정된 경우의 결과입니다. 조절한 후에 중간에 있는 녹색 포인트 클라우드가 다른 클러스터로 나눠질 것입니다.
../../../../../_images/Adjacent_point_distance.png
병렬 코어 수
기본값:4
설명:이 파라미터는 영역 성장 과정에서 인접된 포인트의 법선 방향 각도 차이 역치를 조절하는 데 사용되며 이 수치를 높이면 인접된 임의의 포인트의 법선 방향 각도 차이에 대한 허용 오차가 커지며 각도 차이가 큰 포인트들은 여전히 같은 클러스터로 분류될 것입니다.

RegionGrowingSeg

인접된 포인트 수
기본값:30
설명:이 파라미터는 영역 성장 과정에서 검색되는 픽셀 수를 조정하는 데 사용됩니다. 이 수치를 크게 설정하면 검색되는 픽셀 수가 많아지고 해당 영역의 성장 속도가 빨라져 클러스터링으로 얻은 클러스터의 수량이 적어지게 될 것입니다.
평활도 역치
기본값:4
설명:이 파라미터는 영역 성장 과정에서 인접된 포인트의 법선 방향 각도 차이의 역치를 조정하는 데 사용됩니다. 이 수치를 높이면 인접된 임의의 포인트의 법선 방향 각도 차이에 대한 허용 오차가 커지며 각도 차이가 큰 포인트들은 여전히 하나의 클러스터로 분류될 것입니다.
곡률 역치
기본값:1
설명: 이 파라미터는 영역 성장 과정의 포인트의 곡률 역치의 상한을 조정하는 데 사용됩니다.

클러스터 안의 최소 포인트 수

기본값:800
설명: 이 파라미터는 클러스터링 뒤의 결과에 대해 필터링할 때 사용됩니다. 클러스터 안의 최소 포인트 수보다 커야 한다는 조건을 충족해야 출력될 것입니다. 이 수치를 높이면 결국 출력된 클러스터의 수가 줄여지게 될 것이며 이 수치를 낮추면 결국 출력된 클러스터의 수가 많아지게 될 것입니다.

클러스터 안의 최대 포인트 수

기본값:3000000
설명: 이 파라미터는 클러스터링 뒤의 결과에 대해 필터링할 때 사용됩니다. 클러스터 안의 최대 포인트 수보다 작아야 한다는 조건을 충족해야 출력될 것입니다. 이 수치를 높이면 결국에 출력된 클러스터의 수가 많아지고 너무 크게 설정해도 큰 영향이 없습니다. 이 수치를 낮추면 결국 출력된 클러스터의 수가 줄여지게 될 것입니다.
예시: 만약 포인트 클라우드 클러스터링이 5가지로 나눠지고 포인트 수가 각각 10000、20000、30000、40000、50000인 경우,최대 포인트 수를 45000으로 설정하고 최소 포인트 수를 15000으로 설정하면 포인트 수가 10000 혹은 50000인 클러스터가 필터링될 것이고 포인트 수가 20000、30000、40000인 클러스터만 출력될 것입니다.

GPU 사용

기본값:False
값 리스트:True,False
설명:이 파라미터는 GPU를 사용하여 계산 속도를 높일지를 결정합니다.