3D 상세 매칭(멀티 모델)

설명: ply 형식의 모델 포인트 클라우드. 여러 파일 경로를 선택할 수 있으며 파일 사이는 쌍반점으로 구분합니다.

예시: 각 파라미터 아래에 입력된 파일이 동일한 순서로 되어 있는지 확인하십시오. 만약 모델 레이블 파일 중 먼저 입력한 것이 모델 정면의 파일 경로이면 모델 파일 및 기하학적 중심점 중에도 모델 정면의 파일 경로 (positive) 를 먼저 입력해야 합니다. 아래 그림과 같습니다.

설정이 완료된 후 출력한 포인트 클라우드 이미지는 아래 그림과 같습니다. 물체의 정면 및 후면 모델 모두 시나리오 포인트 클라우드와 잘 매칭할 수 있습니다.

설명: 포인트 클라우드의 포인트가 위치한 평면의 법선 방향을 계산하는 방법은 총 4가지가 있습니다. 프로젝트의 실제 상황에 따라 선택하십시오.

설명: 포인트가 위치한 평면의 법선 방향의 인접 포인트 수를 계산하는 데 사용되며 최소 값은 1입니다.

값 리스트: GMM, nearest-neighbor

설명: 이 파라미터는 일부 구역의 매칭 방법을 선택하는 데 사용됩니다. 모델 포인트 클라우드와 시나리오 포인트 클라우드를 매칭 시키면 모델 포인트 클라우드는 설정한 범위에 따라 이동과 회전을 진행하여 이전 스텝에서 얻은 시나리오 중의 포인트 클라우드와 매칭을 진행합니다.

예시: 대부분의 시나리오에서 GMM은 간섭을 더 효과적으로 방지할 수 있고 매칭 속도가 더 빠르므로 이 모드를 사용하는 것을 추천합니다. 드문 경우지만(GMM이 요구 사항을 충족할 수 없는 경우) 가장 가까운 포인트(nearest-neighbor)모드를 사용할 수 있습니다.

값 리스트: HighSpeed, Standard, HighPrecision

설명: 매칭 모드는 세 가지가 있으며 프로젝트 요구 사항에 따라 적절한 모드를 선택하십시오.

설명: 반복은 조건이 충족될 때까지 특정 명령을 반복하는 프로세스입니다. 반복 횟수는 이 과정에서 명령어가 반복되는 횟수를 말하며, 여기서 설정한 파라미터는 반복 횟수의 상한선이며, 값이 클수록 매칭하는 계산 횟수가 많아지고 실행 시간이 길어지지만 해당 매칭 정확도가 향상됩니다.

설명: 이전 스텝(3D 근사 매칭)에서 처리한 후의 초기 포즈의 편차가 클 때, 즉 시나리오 포인트 클라우드와 모델 포인트 클라우드 간의 편차가 클수록 표준 편차 값을 더 크게 설정해야 합니다. 이에 따라 실행 속도가 더 빨라집니다.

예시: 이 파라미터의 값은 초기 포즈의 편차와 일치해야 하며, 설정한 값이 초기 포즈의 편차보다 크면 출력 결과에 큰 오차가 발생합니다. 따라서 일반적으로 이 파라미터 설정 값은 0.01m를 초과하지 않습니다.

설명: 매칭하는 과정에서 표준 편차가 최소 표준 편차에 의해 설정된 값이 될 때까지 점점 작아집니다. 이 프로세스에서 표준 편차 감쇠의 횟수는 파라미터의 값입니다. 일부 표준 오차의 경우 감쇠 횟수가 많을수록 전체 감쇠 프로세스가 더욱 안정적입니다. 일반적으로 이 파라미터를 조정할 필요는 없습니다.

설명: 가장 작은 표준 편차값, 즉 감쇠 후 도달한 최소값입니다.

설명: 선택하면 모델의 가중치가 알고리즘 반복에 사용되므로 가중치 모델과 더 잘 매칭할 가능성이 높습니다.

설명: 반복은 조건이 충족될 때까지 특정 명령을 반복하는 프로세스입니다. 반복 횟수는 이 과정에서 명령어가 반복되는 횟수를 말하며 근접점 모드에서는 알고리즘의 정확도 요구 사항을 만족할 때 반복이 중지됩니다. 여기서 설정한 파라미터는 반복 횟수의 상한선이며, 값이 클수록 매칭하는 계산 횟수가 많아지고 실행 시간이 길어지지만 해당 매칭 정확도가 향상됩니다.

설명: 이 파라미터는 가장 가까운 포인트의 검색 반경을 조절하는 데 사용됩니다. 단위는 밀리미터(mm)입니다. 값의 설정은 입력한 초기 포즈 편차에 해당해야 합니다. 입력한 초기 포즈 편차가 매우 큰 경우, 즉 시나리오 포인트 클라우드와 모델 포인트 클라우드의 편차가 매우 클 때 검색 반경 범위를 늘리려면 이 파라미터의 값을 높여야 합니다. 이렇게 해야 각 포인트가 모든 인접 포인트를 찾을 수 있도록 보장할 수 있습니다. 초기 포즈의 편차가 매우 작으면 이 파라미터를 작게 조절할 수 있습니다. 이 파라미터의 설정 가능한 최소값은 0.001입니다. 이 하한보다 작은 경우 분포가 상대적으로 희박한 일부 포인트는 가장 가까운 포인트를 찾지 못하여 출력 결과에 영향을 미칩니다.

예시: 초기 포즈 편차가 비교적 크고 이 파라미터 최소값이 0.001이면 매칭 결과가 불완전합니다. 아래 그림 중의 b와 같습니다. 이 파라미터를 0.01까지 증가하면 검색 반경 범위가 넓어지고 더 완전한 매칭 결과를 출력할 수 있습니다. 아래 그림 중의 a와 같습니다.

설명: 이 파라미터는 제곱 오차 평균의 크기를 조정하는 데 사용됩니다. 매번 반복 후, 값은 후속 반복 단계에서 비교를 위해 기록됩니다. 특정 반복 제곱 오차의 평균값이 설정값보다 낮으면 반복 효과가 반복을 종료하기 위한 요구 사항에 도달한 것으로 간주됩니다.

설명: 이 파라미터는 반복 최적화 과정에서 오차 파동이 작은 연속 반복 횟수를 의미하며 최소값은 3입니다. 이 파라미터가 지나치게 작으면 국부 최적해가 발생할 수 있으며, 이는 최종 매칭 정확도에 영향을 미칩니다. 예를 들어 창구는 3번의 연속적인 반복 결과의 오차만 포함하고 있어 이 3번의 오차를 비교해 오차 변화 추이를 얻을 수 있어 전부 최적해(반복 횟수의 권장값에 따라, 전부 반복은 30회가 포함되며 향후에 더 명백한 오차 감소가 발생할 수 있음)가 아닌 국부 최적해(2차 반복은 1차, 3차 반복보다 오차가 적음)를 얻을 수 있습니다.

설명: 이 파라미터를 선택하면, 매번 반복 중 해당하는 포인트를 표시합니다.

설명: 대상물이 복잡한 형상의 물체(단순한 기하학적 형상이 아닌 것)일 경우, 반복 포인트 가중치 자동 계산 기능을 사용해야 하면 이 파라미터를 선택해야 합니다.

설명: 이 파라미터를 선택하면 반복 포인트 가중치를 자동으로 계산하는 기능이 사용되며, 매칭 결과가 좋지 않은 대상에게는 이 기능이 권장됩니다.

설명: 가장 가까운 포인트의 검색 과정에서 여러 점쌍이 나타나므로 이 기능을 사용해 점쌍 필터링에 사용할 수 있습니다. 이 파라미터를 선택하면 이 기능이 사용되며 점쌍 제거에 사용되는 sigma 배수의 역치 및 점쌍의 각도 차이 역치 파라미터를 통해 문제가 있는 점쌍을 제거하고 선택하지 않으면 이 두 파라미터는 적용되지 않습니다.

설명: sigma 배수 역치는 점쌍 간의 거리 평방 편차 배수의 값을 나타내며, 이 파라미터는 점쌍 간의 거리에 따라 필터링됩니다. 만약 두 점 사이의 거리가 이 범위를 초과하면 점쌍이 제거됩니다.

설명: 점쌍의 법선 방향 간의 각도차가 이 값보다 크면 점쌍이 제거됩니다.

설명: 이 파라미터를 선택하면 모델의 가중치는 알고리즘의 반복에 사용되기 때문에 가중치 모델을 더 잘 매칭할 가능성이 높습니다.

설명: 이 파라미터를 선택하면 중복 점쌍을 제거하는 기능을 사용하며 반복된 포인트 클라우드 유형 제거 파라미터가 적용됩니다. 모델 포인트 클라우드의 포인트 수가 시나리오의 단일 물체의 포인트 수보다 많을 때 사용하는 것이 좋습니다.

값 리스트: MinDis거, GlobalMin

설명: 이 파라미터는 점쌍에서 중복을 삭제하는 해당 방법을 선택하는 데 사용되며 총 두 가지 방법을 포함합니다.

최소 거리(MinDis)는 해당 반복된 점쌍 사이의 거리를 계산하며 거리가 가장 가까운 점쌍만 남기고 나머지 반복된 점쌍을 삭제하는 것을 나타냅니다. 전역 평균값(GlobalMin)은 각 반복된 해당 점쌍 사이 거리의 평균값을 기준으로 하여 이 평균값과 가장 작은 차이를 갖는 점쌍을 찾아 보류하는 것으로 반복된 해당 점쌍을 상대적으로 적게 제거하는 것입니다.

설명: 모델 및 시나리오 포인트 클라우드를 다운 샘플링하는 데 사용되는 샘플링 간격입니다. 단위는 밀리미터(mm)입니다. 값이 클수록 샘플링되는 포인트 클라우드의 수가 적어지고 모델 추정의 정확도가 낮아집니다.

예시: 다음 두 그림은 이 파라미터가 각각 0.0128과 0.01일 때 얻은 포인트 클라우드 결과이고, 흰색은 입력한 시나리오 포인트 클라우드입니다. 두 그림을 비교하면 샘플링 간격(위 그림)이 작을수록 출력 결과가 더 정확하다는 것을 알 수 있습니다.

기본값: 닫기.

기본값: 135.000°

유효범위: [0，+∞)

설명: 결과의 검증 점수가 이 파라미터보다 크면 결과가 유효한 것으로 간주되어 출력으로 유지됩니다. 이 값이 클수록 매칭 정확도가 높은 결과를 보류할 가능성이 높아집니다.

유효범위: [0，+∞)

설명: 이 파라미터는 믿음도를 계산할 때의 검색 반경입니다. 단위는 밀리미터(mm)입니다. 물체의 포인트 클라우드에 맞춰 설정해야 하며, 포인트 클라우드가 희박한 경우에는 조금 더 크게 설정해야 합니다.

설명: 이 값이 클수록 매칭하는 출력 결과가 더 많아집니다.

예시: 아래 그림은 기본값입니다. 즉, 단일 포인트 클라우드가 1개의 결과를 출력합니다.

이 파라미터를 4로 설정하면 아래 그림과 같이 매칭하는 출력 결과가 더 많아집니다.

설명: 이 파라미터를 선택했을 때 출력한 모델과 시나리오 포인트 클라우드가 표시됩니다.

값 리스트: ROTATE_BY_X, ROTATE_BY_Y, ROTATE_BY_Z

설명: 이 파라미터는 기하학적 중심점의 회전축을 선택하는 데 사용됩니다.

설명: 이 파라미터는 대칭 각도의 크기를 조정하는 데 사용됩니다. 초기 포즈를 최소 회전 각도 에서 최대 회전 각도로 변경하는 각도 스텝 간격입니다.

예시: 물체가 대칭축을 중심으로 60° 회전하기 전과 후에 동일하게 보이는 경우 대칭 각도 간격은 60° 입니다.

설명: 이 파라미터는 최소 회전 각도를 조정하는 데 사용됩니다.

설명: 이 파라미터는 최대 회전 각도를 조정하는 데 사용됩니다.

설명: 이 파라미터는 포인트 클라우드의 가중치를 설정하는 데 사용되며 단위는 없습니다. 모든 초기 포인트 클라우드의 가중치를 1로 가정하고 목표 포인트 클라우드에 이 파라미터를 설정하면 목표 포인트 클라우드 가중치는1 X 해당 파라미터가 되어 후속 매칭 스텝에서 강조하는 목적을 달성합니다.

설명: 이 파라미터는 포인트 클라우드의 가중치를 높이는 과정에서 검색 반경을 설정하는 데 사용하며 단위는 밀리미터(mm)입니다. 가중치 설정은 원본 모델 포인트 클라우드에 대해 수행되는 작업으로, 모델 포인트 클라우드는 매칭 프로세스에 사용되기 전에 다운 샘플링되어 가중치를 설정해야 하는 일부 포인트가 이동되거나 누락됩니다. 누락된 포인트 근처의 포인트 가중치를 설정하는 과정에서 검색 반경을 설정해야 하며, 검색 반경은 이 파라미터에 의해 설정됩니다.

설명: 이 파라미터를 선택하면 포즈를 검증하는 과정에서 대응점에 대응하는 법선 방향 벡터의 각도 차이를 고려해 출력은 줄지만 더욱 정확해지는 경우가 많습니다.

설명: 이 파라미터를 선택하면 매칭 점수에 [해당 포인트와 시나리오 포인트의 비례 계수]가 곱해집니다. 하나의 포인트 클라우드에서 여러 물체의 포즈를 추정하는 데 적용 불가합니다.

설명: 이 파라미터를 선택하면 출력된 결과에서 샘플링된 모델의 포인트 클라우드가 나타나며 실제 시나리오의 필요에 따라 설정됩니다.

설명: 이 파라미터를 선택하면 출력된 결과에서 샘플링된 시나리오의 포인트 클라우드가 나타나며 실제 시나리오의 필요에 따라 설정됩니다.

설명: 이 파라미터를 선택하면 출력된 결과 중 모델과 시나리오 포인트 클라우드의 대응 관계가 표시되며 실제 시나리오의 필요에 따라 설정됩니다.