포인트 클라우드 모델 다시 제작 및 픽 포인트 다시 생성

현재 최신 버전 (2.1.2)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 현재 사용하고 있는 제품의 버전이 확실하지 않은 경우에는 언제든지 당사 기술 지원팀에 문의하시기 바랍니다.

포인트 클라우드 모델과 픽 포인트의 개념

포인트 클라우드 모델

3D 매칭에서 포인트 클라우드 모델은 물체의 표면 모양을 표현하고 설명하는 데 사용되는 3차원 데이터 세트입니다. 특정 기하학적 모양이나 물체를 표현하고 다른 포인트 클라우드 데이터에서 유사한 구조나 물체를 식별하고 분석하기 위한 비교 기준 역할을 합니다.

포인트 클라우드 모델은 전체 대상 물체 또는 대상 물체의 일부(예: 가장 높은 층 물체 표면 포인트 클라우드, 가장자리 포인트 클라우드 등)를 설명할 수 있습니다. 카메라가 캡처한 시나리오 포인트 클라우드와 포인트 클라우드 모델을 매칭하여 물체를 인식하고 위치 지정을 실현할 수 있습니다.

픽 포인트

픽 포인트는 물체에서 로봇이 피킹할 수 있는 위치입니다. 이 포인트는 물체 좌표계에 있으며 위치와 방향은 모두 물체를 기준으로 한 것입니다. Mech-Vision이 피킹 포즈(피킹 시 로봇의 TCP)를 제공해야 로봇은 물체를 피킹할 수 있습니다. 이 피킹 포즈는 대상 물체에 있는 픽 포인트에서 변환된 것입니다. 따라서 포인트 클라우드 모델에 픽 포인트를 추가해야 Mech-Vision은 매칭 알고리즘을 통해 대상 물체의 픽 포인트를 생성할 수 있고 실제 피킹 포즈를 출력할 수도 있습니다.

특정 피킹 방법에 따라 픽 포인트는 포인트 클라우드 내부, 포인트 클라우드 표면 또는 포인트 클라우드에서 일정 거리에 위치할 수 있습니다. 실제로는 처음에 피킹 포인트의 위치를 ​​대략적으로 설정한 다음 실제 피킹 효과에 따라 조정할 수 있습니다.

포인트 클라우드 모델과 픽 포인트를 생성하는 방법

기본 요구 사항

좋은 포인트 클라우드 모델은 다음 3가지 요구 사항을 충족해야 합니다:

  • 포인트 클라우드 모델은 충분한 수의 포인트를 가져야 하며, 매칭 속도를 보장하기 위해 균등하게 분포되어야 합니다.

  • 포인트 클라우드 모델은 매칭 중에 정확한 인식을 보장하기 위해 대상 물체의 대표적인 특징을 반영해야 합니다.

  • 매칭의 안정성과 정확성을 보장하기 위해 포인트 클라우드 모델에는 간섭을 주는 포인트 클라우드를 포함해서는 안 됩니다.

포인트 클라우드 모델이 위의 요구 사항을 충족하는지 확인하려면 카메라 파라미터를 조정하여 캡처된 포인트 클라우드의 품질을 개선해야 합니다. 또한 노이즈를 제거하고 캡처된 데이터에 포인트 클라우드 다운 샘플링을 수행하여 포인트 클라우드 품질을 더욱 향상시킵니다. Mech-Vision은 사용자가 대상 물체에 대한 포인트 클라우드 모델을 만들고 포인트 클라우드 모델을 편집하고 픽 포인트를 추가할 수 있도록 대상 물체 편집기를 제공합니다. 이 도구를 통해 포인트 클라우드 모델을 생성하고 픽 포인트를 설정할 수 있습니다.

프로세스

포인트 클라우드 모델을 생성하고 픽 포인트를 설정하는 프로세스가 다음과 같습니다.

model cloud quick facts process

포인트 클라우드 모델을 다시 만들어야 하는 경우

다음과 같은 상황에서 포인트 클라우드 모델을 다시 만들어야 합니다.

  • 물체 특성 변화: 대상 물체의 형태, 크기 또는 표면 질감이 변화하면, 새로운 특성에 맞게 포인트 클라우드 모델을 다시 만들어야 합니다.

  • 환경 변화: 조명이나 배경 조건이 바뀌어 포인트 클라우드 데이터의 품질에 영향을 미칠 경우, 환경 변화에 맞춰 포인트 클라우드 모델을 다시 제작하여 정확성을 보장해야 합니다.

  • 정확도에 대한 요구 향상: 정확도에 대한 요구가 높아졌을 때, 새로운 정확도 기준을 충족하기 위해 더 정확한 포인트 클라우드 모델을 다시 만들어야 합니다.

  • 시스템 업그레이드 또는 하드웨어 교체: 소프트웨어 업그레이드, 카메라 교체 또는 기타 하드웨어 변경 시, 새로운 시스템 구성에 맞춰 포인트 클라우드 모델을 새로 제작해야 합니다.

  • 오류율 증가: 매칭 오류율이 증가하면 기존 모델이 적합하지 않음을 의미하므로, 매칭 정확도를 높이기 위해 포인트 클라우드 모델을 다시 만들어야 합니다.

  • 새로운 애플리케이션 또는 제품 라인 도입: 새로운 제품이나 응용 시나리오에 대응하기 위해, 새로운 애플리케이션 또는 제품 라인의 요구 사항에 맞춰 포인트 클라우드 모델을 새로 만들어야 합니다.

  • 솔루션 업그레이드: 1.8 버전 및 이전 버전의 솔루션을 현재 버전으로 업그레이드한 경우, '대상 물체 편집기’를 사용하여 포인트 클라우드 모델을 다시 제작해야 합니다.

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.