3D 매칭 및 분류(멀티 모델)

현재 버전 (1.8.2)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

■ 최신 버전의 소프트웨어를 사용하려면 Mech-Mind 다운로드 센터를 방문하여 다운로드하세요.

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

기능 설명

이 스텝에서는 여러 포인트 클라우드 모델을 사용하여 시나리오에 있는 물체와 매칭하고 물체의 포즈와 분류 레이블을 출력할 수 있습니다.

응용 시나리오

이 스텝은 일반적으로 시나리오에 있는 단일 물체에 대해 매칭과 분류를 하는 데 사용됩니다. 시나리오에 여러 물체가 있는 경우 먼저 포인트 클라우드 클러스터링이나 딥 러닝을 사용하여 여러 물체를 분할하여 이 스텝을 통해 매칭과 분류 작업을 실행할 수 있습니다.

입력 및 출력

물체의 포인트 클라우드를 입력된 후 이 스텝은 포인트 클라우드 수와 일치한 물체 포즈를 출력할 것입니다.

단일 물체를 입력한 포인트 클라우드를 예로 들어, 이 스텝의 입력 및 출력은 다음 그림과 같습니다.

3d matching and classification multiple models input and output

파라미터 설명

파라미터 디버그 레벨

파라미터 설명: 이 파라미터는 파라미터 디버그 레벨을 선택하는 데 사용됩니다. 서로 다른 파라미터 레벨은 서로 다른 파라미터에 대응됩니다.

값 리스트: Basic, Advanced

  • Basic: 기본 파라미터 디버그 모드이며 디버그 빈도가 더 높은 파라미터를 제공합니다.

  • Advanced: 고급 파라미터 디버그 모드이며 더 많은 디버그 가능한 파라미터를 제공합니다.

기본값: Basic

조정 제안: 기능 요구 사항에 따라 파라미터 디버그 레벨을 선택하는 것이 좋습니다.

Basic 파라미터 디버그 레벨

모델 설정

모델 선택

설명: 이 파라미터는 생성된 포인트 클라우드 모델을 선택하는 데 사용됩니다.

설명: 드롭다운 바에서 생성된 포인트 클라우드 모델을 선택합니다. 포인트 클라우드 모델 파일을 만드는 방법은 매칭 모델 및 픽 포인트 편집기를 참조하십시오.

  • 선택한 포인트 클라우드 모델 유형은 일치해야 하며 표면 포인트 클라우드 모델과 에지 포인트 클라우드 모델을 동시에 선택할 수 없습니다.

  • 포인트 클라우드 모델의 크기는 크게 다를 수 없으며 가장 큰 포인트 클라우드 모델과 가장 작은 포인트 클라우드 모델 간의 차이가 1.5배를 초과하지 않는 것이 좋습니다. 그렇지 않으면 매칭 속도에 영향을 미칩니다. 포인트 클라우드 모델 간의 크기 차이가 큰 경우 먼저 classification-by-point-clouds-sizes.adoc 스텝을 사용하여 입력된 시나리오 포인트 클라우드를 분류하는 것이 좋습니다.

매칭 모드

파라미터 설명: 포인트 클라우드 모델 유형에 따라 매칭 모드를 선택합니다. 포인트 클라우드 모델이 공작물의 에지 모델인 경우 “에지 매칭”을 선택하고 포인트 클라우드 모델이 공작물의 면 모델인 경우 “표면 매칭”을 선택하십시오.

값 리스트: 에지 매칭, 표면 매칭.

  • 표면 매칭: 물체의 표면 모델을 사용하여 포인트 클라우드 모델 매칭을 실행합니다.

  • 에지 매칭: 물체의 에지 모델을 사용하여 포인트 클라우드 모델 매칭을 실행합니다.

조정 제안: 대상 물체의 표면에 기복 모양 특징(예: 크랭크 축, 회전자, 강철 막대 등)이 많은 경우 표면 매칭을 사용하는 것이 좋습니다. 물체 표면의 기복 특징을 반영하는 포인트 클라우드 모델을 생성해야 합니다. 대상 물체가 상대적으로 평평하고 카메라에 명확하고 고정된 에지 특징(예: 패널, 트랙슈, 커넥팅 로드, 브레이크 디스크 등)이 표시되는 경우 에지 매칭을 사용하는 것이 좋습니다. 물체 에지 특징을 반영하는 포인트 클라우드 모델을 생성해야 합니다.

에지 매칭을 선택하면 에지 추출 후의 포인트 클라우드를 입력해야 합니다.

근사 매칭 설정

실행 모드

설명: 이 파라미터는 근사 매칭의 실행 모드를 선택하는 데 사용됩니다.

값 리스트: 고속도, 표준, 고정확도, 초고정확도, 사용자 정의.

설명: 각 실행 모드에서 포인트 클라우드 모델의 포인트 수가 다르기 때문에 매칭 정확도와 속도도 다릅니다. 자세한 설명은 아래 표와 같습니다.

실행 모드 포인트 클라우드의 포인트 수 매칭 특성

고속도

200

속도가 빠르지만 정확도가 낮습니다.

표준

300

상대적으로 안정적입니다.

고정확도

400

정확도가 높지만 속도가 느립니다.

초고정확도

500

정확도가 가장 높습니다.

사용자 정의

사용자 정의 포인트 수

사용자 정의 포인트 수에 따라 결정됩니다.

모델 포인트 클라우드 포인트 수의 목표값

파라미터 설명: 이 파라미터는 모델 포인트 클라우드 포인트 수의 목표값을 설정하는 데 사용됩니다.

기본값: 200

설명: 실행 모드사용자 정의인 경우 이 파라미터를 설정해야 합니다.

조정 제안: 이 파라미터는 실제 필요에 따라 설정해야 합니다.

매칭 또는 분류 효과가 이상적이지 않은 경우 먼저 이 파라미터를 조정하고 "모델 포인트 클라우드 포인트 수의 목표값"을 늘리는 것이 좋습니다.

상세 매칭 설정

실행 모드

파라미터 설명: 이 파라미터는 상세 매칭의 실행 모드를 선택하는 데 사용됩니다.

값 리스트: 고속도, 표준, 고정확도, 초고정확도.

설명: 위의 “근사 매칭 설정”의 실행 모드 내용을 참조하십시오.

검증 설정

믿음도 역치

파라미터 설명: 매칭 결과의 검증 점수가 이 역치보다 높으면 결과가 유효한 것으로 간주됩니다. 이 값이 높을수록, 결과는 더욱 정확해집니다.

기본값: 0.300

Advanced 파라미터 디버그 레벨

모델 설정

위의 Basic 파라미터 디버그 레벨 내용을 참조하십시오.

근사 매칭 설정

위의 Basic 파라미터 디버그 레벨 내용을 참조하십시오.

모델 포인트 클라우드 포인트 수의 목표값

위의 Basic 파라미터 디버그 레벨 내용을 참조하십시오.

단일 특징에 포함한 점쌍의 최대수

파라미터 설명: 이 파라미터는 모델 분석에서 각 특징에 포함된 점쌍의 최대 수를 나타냅니다. 값이 작을수록 실행 속도는 빨라지지만 매칭 결과의 정확도는 떨어집니다.

기본값: 50

투표 설정

거리 수량화

파라미터 설명: 포인트 사이의 거리를 수량화하는 파라미터(거리 간격 = 거리 수량화 * 샘플링 간격)입니다. 이 값이 클수록 매칭 결과의 정확도가 더 낮아집니다.

기본값: 1.00

각도 수량화

파라미터 설명: 점쌍 특징 법선 방향 협각 수량화(각도 간격=360°/각도 수량화). 값이 클수록 매칭 결과의 정확도는 높아지지만 포인트 클라우드 품질에 대한 요구 사항은 높아집니다.

기본값: 60

투표 비율 하한 역치

파라미터 설명: 매칭 과정에서 각 물체 포즈는 해당 투표 수를 획득하며, 포즈 투표 수가 "최고 점수와 투표 비율 하한 역치의 곱"보다 높을 경우 해당 포즈가 포즈 검증에 사용됩니다. 값이 낮을수록 정확한 매칭 결과를 찾을 가능성이 높아지지만 실행 시간이 길어집니다.

기본값: 0.80

기준점 샘플링 간격

파라미터 설명: 시나리오 포인트 클라우드의 포인트를 샘플링하는 데 사용되며 기준점으로 비교점과 점쌍을 형성합니다. 이 값이 작을수록 실행 속도는 빨라지지만 매칭 결과의 정확도는 떨어집니다.

기본값: 5

비교점 샘플링 간격

파라미터 설명: 시나리오 포인트 클라우드의 포인트를 샘플링하는 데 사용되며 비교점으로 기준점과 점쌍을 형성합니다. 이 값이 작을수록 실행 속도는 빨라지지만 매칭 결과의 정확도는 떨어집니다.

기본값: 1

포즈 검증 설정

포즈 거리를 기준으로 비최대값을 사용하여 억제하기

파라미터 설명: 이 파라미터를 선택한 후 후보 포즈와 선택된 포즈 사이의 거리가 물체 직경의 0.1배 미만인 경우 후보 포즈가 필터링됩니다.

기본값: 선택함.

복셀 길이 생성 전략

설명: 이 파라미터는 복셀 길이를 생성하는 방법을 선택하는 데 사용됩니다.

기본값: 자동 생성.

조절 제안: 이 스텝을 막 시작하는 사용자의 경우 “자동 생성”을 사용하는 것이 좋습니다.

복셀 길이

설명: 이 파라미터는 복셀의 길이를 설정하는 데 사용되며 단위는 밀리미터(mm)입니다. 값이 클수록 매칭 결과가 더 부정확해지는 경향이 있습니다.

기본값: 3.000 mm

복셀 길이 하한

설명: 이 파라미터는 복셀 길이의 하한을 설정하는 데 사용되며 단위는 밀리미터(mm)입니다.

기본값: 1.000 mm

복셀 길이 상한

설명: 이 파라미터는 복셀 길이의 상한을 설정하는 데 사용되며 단위는 밀리미터(mm)입니다.

기본값: 15.000 mm

포즈 필터링 설정(에지 매칭 모드에서는 이 파라미터 그룹을 조정해야 함)

모델 회전 각도에 따라 포즈 필터링

파라미터 설명: 에지 매칭 모드에서 모델 포인트 클라우드가 시나리오 포인트 클라우드와 매칭할 때 모델 회전 각도에 따라 포즈가 필터링됩니다. 모델 회전 각도가 "각도 차이 상한 역치"를 초과하면 포즈가 필터링됩니다.

기본값: 선택함.

각도 차이 상한 역치

파라미터 설명: "모델 회전 각도에 따라 포즈 필터링"의 파라미터 설명을 참조하십시오.

상세 매칭 설정

편차 수정 능력

파라미터 설명: 이 파라미터는 근사 매칭 결과에 대한 편차 수정 능력을 선택하는 데 사용됩니다. 값이 높을수록 실제 물체 포즈와 크게 벗어나는 근사 포즈를 상세 포즈로 수정할 수 있습니다. 그러나 수정 능력이 너무 크면 정확도가 떨어지게 됩니다.

값 리스트: small, medium, large.

기본값: small.

실행 모드

파라미터 설명: 위의 Basic 파라미터 디버그 레벨 내용을 참조하십시오.

대칭 설정

대칭축

파라미터 설명: 이 파라미터는 대칭축을 선택하고 물체의 초기 포즈를 회전하는 데 사용됩니다.

값 리스트: ROTATE_BY_X, ROTATE_BY_Y, ROTATE_BY_Z

기본값: ROTATE_BY_Z

대칭 각도 간격(0~360)

파라미터 설명: 물체의 초기 포즈를 "최소 회전 각도"에서 "최대 회전 각도"로 변경해야 하는 경우 이 파라미터를 사용하여 각도 간격을 설정합니다. 단위는 도(°)입니다.

기본값: 360.0°

설명: "대칭 각도 간격" 파라미터 값은 0보다 커야 합니다.

최소 회전 각도

파라미터 설명: "대칭 각도 간격"에 따라 물체의 초기 포즈를 회전시킬 때 최소 회전 각도이고 단위는 도(°)입니다.

기본값: -180.0°

최대 회전 각도

파라미터 설명: "대칭 각도 간격"에 따라 물체의 초기 포즈를 회전시킬 때 최대 회전 각도이고 단위는 도(°)입니다.

기본값: 180.0°

검증 설정(표면 매칭 모드에서는 이 파라미터 그룹을 조정해야 함)

모델의 보이는 표면만 고려하기

파라미터 설명: 이 파라미터를 선택한 후 모델의 보이는 부분만 매칭에 참여합니다. 이는 매칭 점수 계산에 도움이 되며 결과적인 매칭 믿음도가 더 합리적입니다.

기본값: 선택하지 않음.

조정 제안: 물체의 포인트 클라우드 모델에 고정된 카메라 시각에서 보이지 않는 부분이 있는 경우(예: 완전한 원기둥 물체의 포인트 클라우드 모델) 이 파라미터를 선택하는 것이 좋습니다. 물체의 포인트 클라우드 모델이 고정된 카메라 시각에서 완전히 보이는 경우(예: 브레이크 디스크 전면의 표면 모델) 이 파라미터를 선택할 필요가 없습니다.

결과 시각화

시각화 옵션

파라미터 설명: "디버그 출력"을 켜면 선택한 옵션이 생성되어 표시됩니다.

값 리스트: 근사 매칭 결과, 상세 매칭 결과, 근사 매칭 모델 다운 샘플링 결과, 상세 매칭 모델 다운 샘플링 결과, 근사 매칭 시니리오 포인트 클라우드 다운 샘플링 결과, 상세 매칭 시나리오 포인트 클라우드 다운 샘플링 결과.

기본값: 상세 매칭 결과.

현재 매칭 결과만 시각화

파라미터 설명: 이 파라미터를 선택하면 현재 모델 매칭 결과만 시각적으로 표시됩니다.

기본값: 선택하지 않음.

설명: 이 파라미터를 선택 취소한 후 시각화할 모델을 선택해야 합니다.

시각화할 모델을 선택하기

설명: 이 파라미터는 시각화할 포인트 클라우드 모델을 선택하는 데 사용됩니다.

조정 제안: 현재 매칭 결과만 시각화를 선택 취소한 후 이 파라미터를 설정해야 합니다.

저희는 귀하의 개인 정보를 소중하게 생각합니다.

당사 웹사이트는 귀하에게 최상의 경험을 제공하기 위해 쿠키를 사용합니다. "모두 수락"을 클릭하시는 경우, 귀하는 사의 쿠키 사용에 동의하게 됩니다. "모두 거부"를 클릭하시는 경우, 귀하가 이 웹사이트를 방문할 때 추적되거나 기억되지 않도록 하기 위해 단일 쿠키가 사용됩니다.