픽 포인트 예측 V2
사용 시나리오
이 스텝은 물품 분류 작업에 사용되며, 물류, 유통, 케이블 등의 업종에서 자주 사용됩니다. 일반적으로 2D ROI 내 이미지 스케일링 다음에 배치하여, 스케일링된 뎁스 이미지, 포인트 클라우드 및 ROI 정보를 입력으로 사용합니다.
파라미터 설명
서버
- 서버 IP
-
파라미터 설명: 딥 러닝 서버의 IP 주소를 설정합니다。
기본값: 127.0.0.1
조정 방법: 실제 환경에 맞게 설정하십시오.
- 서버 Port（1 ~ 65535）
-
파라미터 설명: 딥 러닝 서비스의 포트 번호를 설정합니다。
기본값: 60054
값 범위: 60000~65535
조정 방법: 실제 환경에 맞게 설정하십시오.
피킹 설정
- 피킹 설정 폴더 경로
-
파라미터 설명: 피킹 설정 폴더의 경로를 설정합니다。
조정 방법: 프로젝트 실행 전에 현재 시나리오에 대응하는 피킹 설정 폴더 를 로드해야 합니다. Mech-Mind 에서는 물류(의미 분할), 물류(물체 검출), 유통, 케이블, 약상자에 대응하는 다섯 가지 피킹 설정 폴더를 제공합니다. 필요 시 Mech-Mind 엔지니어에게 문의하십시오.
| 사용 시나리오 | 피킹 설정 폴더 |
|---|---|
물류(의미 분할) |
Logistics_Seg_RGBSuction |
물류(물체 검출) |
Logistics_OD_RGBSuction |
유통 |
Supermarket_Seg_RGBSuction |
케이블 |
Cable_Seg_RGBGrasp |
약상자 |
MedicineBox_Instance_3DSize_RGBSuction |
|
피킹 설정 폴더에는 두 개의 JSON 파일과 하나의 model 폴더가 포함되어 있으며, 모델은 model 폴더 안에 저장됩니다. 경로를 추가할 때는 최상위 폴더를 선택해야 하며, model 폴더를 직접 선택하면 오류가 발생합니다. 경로 예시: xxxx\Cable_Seg_RGBGrasp |
|
적절한 딥 러닝 모델 선택에는 일정 수준의 딥 러닝 지식이 필요합니다. 실제 적용 시에는 Mech-Mind 기술 엔지니어의 전문적인 지침을 받는 것을 권장합니다. |
- 물류(의미 분할)
-
해당 시나리오의 파라미터 설명 문서를 참조하십시오.
- 물류(물체 검출)
-
해당 시나리오의 파라미터 설명 문서를 참조하십시오.
- 유통
-
해당 시나리오의 파라미터 설명 문서를 참조하십시오.
- 케이블
-
해당 시나리오의 파라미터 설명 문서를 참조하십시오.
- 약상자
-
해당 시나리오의 파라미터 설명 문서를 참조하십시오.
|
위 시나리오들에서 모델을 사용할 때는 GeForce GTX 10 시리즈 이상, 그래픽 메모리 4GB 이상 환경을 권장합니다. 이 스텝을 처음 실행할 때는 그래픽 카드에 맞춘 모델 최적화가 수행되며, 이 과정은 10~30분 정도 소요될 수 있습니다. |