3D Coarse Matching V2
사용 시나리오
이 스텝은 장면 포인트 클라우드에서 대상 물체를 검출하고 근사 후보 포즈를 얻는 데 주로 사용됩니다. 일반적으로 3D Fine Matching 스텝과 함께 사용합니다.
파라미터
Parameter Tuning Level
Parameter description: 이 스텝의 파라미터 조정 레벨을 선택합니다.
Default value: Basic
Basic Parameter Tuning Level
Model Settings
- Model Selection
-
Parameter description: 모델 라이브러리(project folder/resource/3d_matching)에서 포인트 클라우드 모델 파일을 선택합니다.
Tuning instruction: Matching Model and Pick Point Editor로 포인트 클라우드 모델을 만든 후, 해당 파라미터 오른쪽 버튼을 클릭해 드롭다운 목록을 펼치고 모델 파일을 선택 또는 전환합니다.
- Matching Method
-
Parameter description: 3D Coarse Matching의 매칭 모드를 선택합니다.
Value list: Edge matching, Surface matching
Default value: Edge matching
Tuning instruction: 사용 중인 포인트 클라우드 모델 유형에 맞춰 선택합니다. 모델이 대상 물체의 에지를 나타내면 Edge matching, 표면을 나타내면 Surface matching을 선택합니다.
Preprocessing Settings
- Expected Point Count of Sampled Model
-
Parameter description: 다운샘플링 후 포인트 클라우드 모델의 예상 포인트 수를 설정합니다. 값이 낮을수록 다운샘플링된 포인트 수가 줄고 매칭 정확도도 낮아집니다.
Default value: 200
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
- Point Count Upper Threshold of Sampled Input Point Cloud
-
Parameter description: 다운샘플링 후 장면 포인트 클라우드의 최대 포인트 수를 설정합니다. 다운샘플링 후 포인트 수가 이 값을 초과하면 장면 포인트 클라우드를 무시하고 빈 데이터를 출력합니다.
Default value: 100000
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
Pose Verification Settings
- Expected Number of Detected Poses per Input Point Cloud
-
Parameter description: 입력 포인트 클라우드별로 기대하는 매칭 포즈 수를 설정합니다.
Default value: 3
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
Advanced Parameter Tuning Level
Model Settings
- Model Selection
-
Parameter description: 모델 라이브러리(project folder/resource/3d_matching)에서 포인트 클라우드 모델 파일을 선택합니다.
Tuning instruction: Matching Model and Pick Point Editor로 포인트 클라우드 모델을 만든 후, 해당 파라미터 오른쪽 버튼을 클릭해 드롭다운 목록을 펼치고 모델 파일을 선택 또는 전환합니다.
- Model File
-
Parameter description: 포인트 클라우드 모델 파일을 선택합니다.
Tuning instruction:
를 클릭하여 PLY 형식 포인트 클라우드 모델 파일을 선택합니다. - Geo Center Point File
-
Parameter description: 기하 중심점 파일을 선택합니다.
Instructions:
를 클릭하여 JSON 형식 기하 중심점 파일을 선택합니다.
Matching Method
Parameter description: 3D Coarse Matching의 매칭 모드를 선택합니다.
Value list: Edge matching, Surface matching
Default value: Edge matching
Tuning instruction: 사용 중인 포인트 클라우드 모델 유형에 맞춰 선택합니다. 모델이 대상 물체의 에지를 나타내면 Edge matching, 표면을 나타내면 Surface matching을 선택합니다.
Preprocessing Settings
- Expected Point Count of Sampled Model
-
Parameter description: 다운샘플링 후 포인트 클라우드 모델의 예상 포인트 수를 설정합니다. 값이 낮을수록 다운샘플링된 포인트 수가 줄고 매칭 정확도도 낮아집니다.
Value range: 20-3000
Default value: 200
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
- Point Count Upper Threshold of Sampled Input Point Cloud
-
Parameter description: 다운샘플링 후 장면 포인트 클라우드의 최대 포인트 수를 설정합니다. 다운샘플링 후 포인트 수가 이 값을 초과하면 장면 포인트 클라우드를 무시하고 빈 데이터를 출력합니다.
Value range: 100-100000
Default value: 100000
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
- Number of Neighboring Points
-
Parameter description: 각 포인트의 방향 계산에 사용할 주변 포인트 개수를 설정합니다. 이 파라미터는 Edge matching 모드에서만 사용할 수 있습니다.
Value range: 1-100
Default value: 30
Voting Settings
- Upper Limit of Point Pair Count per Feature
-
Parameter description: 모델 분석 시 각 특징(feature)에 포함되는 포인트 쌍 수의 상한을 지정합니다. 값이 작을수록 실행은 빨라지지만 정확도는 낮아집니다.
Default value: 50
- Distance Quantification
-
Parameter description: 대상 물체 포인트 클라우드 내 포인트 간 거리를 양자화합니다. DistanceInterval = DistanceQuantification x SamplingInterval. 값이 클수록 매칭 결과 정확도가 낮아질 수 있습니다.
Default value: 1.0000
- Angle Quantification
-
Parameter description: 대상 물체 포인트의 법선 방향 간 각도를 양자화합니다. AngleInterval = 360 deg / AngleQuantification. 값이 클수록 각도 간격이 작아져 정확도는 높아질 수 있으나 더 높은 품질의 포인트 클라우드가 필요합니다.
Default value: 60
- Vote Ratio Lower Threshold
-
Parameter description: HighestScoretheVote x VoteRatioLowerThreshold보다 점수가 높은 포즈가 포즈 검증을 수행합니다. 값이 낮을수록 검증 대상 포즈가 늘어나 정확한 매칭을 찾을 가능성은 커지지만 실행 시간은 증가합니다.
Default value: 0.80
- Referring Point Sampling Step
-
Parameter description: 기준 포인트(referring point)를 다운샘플링할 때의 샘플링 간격(step)을 조정합니다. 값이 클수록 샘플링 포인트 수가 줄어 실행 속도는 빨라지지만 매칭 정확도는 낮아집니다.
Default value: 5
- Referred Point Sampling Step
-
Instruction: 피참조 포인트(referred point)를 다운샘플링할 때의 샘플링 간격(step)을 조정합니다. 값이 클수록 샘플링 포인트 수가 줄어 실행 속도는 빨라지지만 매칭 정확도는 낮아집니다.
Default value: 1
Referring point와 referred point가 한 쌍의 포인트 쌍을 구성합니다. 샘플링 간격이 클수록 다운샘플링 후 포인트 수와 포인트 쌍 수가 줄어 실행 속도가 빨라집니다. |
Pose Filtering Settings
- Use Distance NMS
-
Parameter description: 이 기능을 활성화하면 선택된 포즈와의 거리가 대상 물체 직경의 0.1배 미만인 후보 포즈를 제거합니다.
Default value: Enabled
Tuning instruction: 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
- Filter Poses by Model Rotation Angle
-
Parameter description: Edge matching 모드에서는 장면 포인트 클라우드와 매칭하기 위해 포인트 클라우드 모델을 특정 각도로 회전해야 할 수 있습니다. 이때 모델 회전 각도 기준으로 포즈를 필터링합니다. 모델 회전 각도가 Angle Difference Upper Threshold를 초과하면 해당 포즈는 제거됩니다.
Default value: Enabled
- Angle Difference Upper Threshold
-
Parameter description: 자세한 내용은 Filter Poses by Model Rotation Angle 파라미터를 참고하시기 바랍니다.
Default value: 135.000 deg
Pose Verification Settings
- Expected Number of Detected Poses per Input Point Cloud
-
Parameter description: 입력 포인트 클라우드별로 기대하는 매칭 포즈 수를 설정합니다.
Default value: 3
Tuning recommendation: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
- Voxel Length Generation Strategy
-
Parameter description: 복셀 길이 생성 전략을 선택합니다.
Value list: Auto, Manual
Default value: Auto
Tuning recommendation: 신규 사용자에게는 Auto를 권장합니다. Manual을 선택하면 Voxel Length를 직접 설정해야 합니다.
- Voxel Length Lower Limit
-
Parameter description: 복셀 길이 최소값(mm)을 설정합니다. Default value: 1.000 mm
- Voxel Length Upper Limit
-
Parameter description: 복셀 길이 최대값(mm)을 설정합니다. Default value: 15.000 mm
|
포인트 클라우드가 차지하는 공간을 3D 격자로 분할할 때, 최소 단위 정육면체를 voxel이라고 합니다. Voxel length는 이 정육면체 모서리 길이입니다. |
Result Visualization
- Visualization Options
-
Parameter description: 시각화할 항목을 선택합니다.
Value list: Sampled Model, Sampled Scene, Registration Result, Points Used in Pose Verification
Default value: Registration Result
Tuning instruction: 실제 요구에 맞게 설정하시기 바랍니다. 적용 결과는 튜닝 예시를 참고하시기 바랍니다.
튜닝 예시
Basic Parameter Tuning Level 예시
Expected Point Count of Sampled Model
커넥팅로드 피킹 프로젝트에서 Expected Point Count of Sampled Model을 각각 300, 600으로 설정하면, 다운샘플링 후 포인트 클라우드 모델은 아래 좌/우 그림과 같이 나타납니다.
좌측 포인트 클라우드는 점 밀도가 낮고, 우측은 점 밀도가 높습니다.
