Predict Pick Points V2
사용 시나리오
이 스텝은 물류, 슈퍼마켓, 케이블 산업의 피킹 작업을 위해 설계되었습니다. 이 스텝은 Scale Image in 2D ROI 스텝 뒤에서 사용되며, 스케일된 뎁스 맵, 포인트 클라우드 및 ROI 정보를 획득합니다.
그래픽 카드 요구사항
이 스텝을 사용하려면 NVIDIA GTX 1650 Ti 이상 등급의 그래픽 카드가 필요합니다.
사용 안내
이 스텝을 사용하기 전에 딥러닝 서버가 시작될 때까지 기다리시기 바랍니다. 딥러닝 서버가 정상적으로 시작되면 로그 패널에 Deep learning server started successfully at xxx 메시지가 나타난 후 스텝을 실행할 수 있습니다.
-
이 스텝을 처음 실행할 때는 피킹 구성 폴더를 먼저 불러와야 합니다.
-
이 스텝을 처음 실행하면 하드웨어 유형에 따라 딥러닝 모델 최적화가 수행되며, 1회 최적화에는 컴퓨터 사양에 따라 약 10~30분이 소요됩니다. 잠시 기다려 주시기 바랍니다. 최적화가 완료되면 스텝 실행 시간이 크게 단축됩니다.
파라미터 설명
Server
- Server IP
-
Description: 딥러닝 서버의 IP 주소를 설정합니다.
Default value: 127.0.0.1
Tuning instruction: 실제 요구에 맞게 설정하시기 바랍니다.
- Server Port (1–65535)
-
Description: 딥러닝 서버의 포트 번호를 설정합니다.
Default value: 60054
Value range: 60000–65535
Tuning instruction: 실제 요구에 맞게 설정하시기 바랍니다.
Picking Configuration
- Picking Configuration Folder Path
-
Description: 피킹 구성 폴더가 저장된 경로를 선택합니다.
Tuning recommendation: 프로젝트 실행 전에 반드시 피킹 구성 폴더를 먼저 불러오시기 바랍니다. 당사에서는 물류(시맨틱 세그멘테이션), 물류(객체 검출), 슈퍼마켓, 케이블, 의약품 박스 시나리오용 5가지 피킹 구성 파일을 제공합니다(아래 표 참조). 필요한 모델 파일은 먼저 Mech-Mind 기술 서포트팀에 요청해주시기 바랍니다.
| 사용 시나리오 | 피킹 구성 폴더 이름 |
|---|---|
물류(시맨틱 세그멘테이션) |
Logistics_Seg_RGBSuction |
물류(객체 검출) |
Logistics_OD_RGBSuction |
슈퍼마켓 |
Supermarket_Seg_RGBSuction |
케이블 |
Cable_Seg_RGBGrasp |
의약품 박스 |
MedicineBox_Instance_3DSize_RGBSuction |
|
피킹 구성 폴더에는 JSON 파일 2개와 모델 폴더 1개가 있습니다. 딥러닝 모델은 모델 폴더에 저장됩니다. 경로를 지정할 때 모델 폴더 자체를 포함하면 이 스텝이 정상 동작하지 않습니다. 예를 들어 올바른 경로는 D:/ConfigurationFiles/Cable_Seg_RGBGrasp 입니다. |
|
어떤 딥러닝 모델을 사용해야 할지 확실하지 않다면 Mech-Mind 기술 서포트팀에 문의하시기 바랍니다. |
- Logistics (semantic segmentation)
-
물류(시맨틱 세그멘테이션) 시나리오 파라미터 조정를 참고하시기 바랍니다.
- Logistics (object detection)
-
물류(객체 검출) 시나리오 파라미터 조정를 참고하시기 바랍니다.
- Supermarket
-
슈퍼마켓 시나리오 파라미터 조정를 참고하시기 바랍니다.
- Cables
-
케이블 시나리오 파라미터 조정를 참고하시기 바랍니다.
- Medicine Boxes
-
의약품 박스 시나리오 파라미터 조정를 참고하시기 바랍니다.
|
위 시나리오 모델 사용 시에는 최소 4GB 메모리를 갖춘 GeForce GTX 10 시리즈 이상 그래픽 카드를 권장합니다. 이 스텝을 처음 실행하면 하드웨어 유형에 따라 딥러닝 모델 1회 최적화가 수행되며 약 10~30분이 소요됩니다. |