대상 물체 선택 및 인식

현재 최신 버전 (2.1.0)에 대한 매뉴얼을 보고 계십니다. 다른 버전에 액세스하려면 페이지 오른쪽 상단 모서리에 있는 '버전 전환' 버튼을 클릭하세요.

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

포인트 클라우드 사전 처리 프로세스가 완료된 후 대상 물체 편집기에서 인식 대상물로 사용되는 하나 또는 여러 대상 물체를 선택해야 합니다.

대상 물체 선택

아래 설명에 따라 대상 물체 편집기 중의 대상 물체를 “3D 대상 물체 인식” 도구로 업데이트하고 실제 상황에 따라 대상 물체를 선택하십시오.

  • 대상 물체 편집기에 대상 물체가 없는 경우, 실제 상황에 따라 대상 물체 구성 프로세스를 선택하고 대상 물체를 생성해야 합니다. 대상 물체를 구성하고 저장한 후, “3D 대상 물체 인식” 도구에서 대상 물체 업데이트를 클릭하여 대상 물체를 “3D 대상 물체 인식” 도구로 업데이트할 수 있습니다.

  • 대상 물체 편집기에 대상 물체가 이미 구성된 경우, 대상 물체 업데이트를 직접 클릭하여 대상 물체를 “3D 대상 물체 인식” 도구로 업데이트할 수 있습니다.

딥 러닝 사용(선택 가능)

실제 프로젝트에서 인식할 대상 물체가 반사율이 높은 소재로 만들어진 경우 물체의 포인트 클라우드 데이터가 누락되거나 카메라가 너무 멀리 장착된 경우 포인트 클라우드 품질이 좋지 않을 수 있습니다. 이러한 경우 딥 러닝으로 인식 지원 기능을 활성화하여 딥 러닝을 통해 대상 물체를 더 쉽게 인식할 수 있습니다.

딥 러닝으로 인식 지원 기능은 인스턴스 세그먼테이션과 물체 검출만 지원합니다.

  1. 딥 러닝 모델 패키지를 가져옵니다.

    모델 패키지 관리 도구를 클릭하여 딥 러닝 모델 패키지 관리 도구에서 딥 러닝 모델 패키지를 가져옵니다. 상세한 내용은 딥 러닝 모델 패키지를 가져오기 내용을 참조하십시오.

  2. 딥 러닝 모델 패키지를 선택합니다.

    모델 패키지를 가져온 후 버튼 아래의 드롭다운 메뉴에서 모델 패키지를 선택할 수 있습니다.

  3. 2D ROI를 설정합니다.

    ROI 버튼을 클릭하여 팝업된 “ROI 설정” 창에서 딥 러닝 추론 효과를 최적화하기 위해 ROI를 설정하고 ROI 이름을 입력합니다.

  4. 추론 관련 사항을 구성합니다.

    추론 구성 버튼을 클릭하여 "추론 구성" 팝업 창에서 신뢰도 임계값을 설정합니다. 딥 러닝 인식 과정에서 신뢰도 값이 이 임계값보다 크면 결과가 유지됩니다.

  5. 글꼴 크기를 설정합니다.

    이 파라미터를 사용하여 왼쪽 딥 러닝 결과에 표시되는 텍스트의 글꼴 크기를 설정합니다. 실제 요구 사항에 따라 설정하면 됩니다.

  6. 팽창 파라미터를 설정합니다(선택 사항).

    이 파라미터는 딥 러닝 알고리즘의 마스크 영역을 늘리는 데 사용됩니다. 딥 러닝 마스크의 크기가 대상 물체의 크기보다 작으면 추출된 포인트 클라우드, 특히 가장자리 포인트 클라우드가 누락될 수 있습니다. 따라서 추출된 포인트 클라우드에서 누락된 데이터를 방지하기 위해 팽창 기능을 활성화하여 마스크 면적을 늘리는 것이 좋습니다.

    팽창 기능을 활성화한 후 실제 수요에 따라 커널 크기를 설정합니다. 값이 클수록 팽창 효과가 더 나아집니다.

대상 물체 인식

Basic 모드

매칭 모드

매칭 모드 자동 설정

파라미터 설명: 이 옵션을 활성화하면, 스텝은 “근사 매칭 모드” 또는 “상세 매칭 모드”를 자동으로 설정합니다.

기본값: 활성화

근사/상세 매칭 모드

파라미터 설명: 이 파라미터는 매칭 모드를 설정하는 데 사용됩니다. 매칭 모드 자동 설정 옵션을 활성화하지 않았을 때, 이 파라미터를 설정해야 합니다.

값 리스트: 표면 매칭, 가장자리 매칭

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

  • 가장자리 매칭: 물체의 가장자리 포인트 클라우드를 사용하여 포인트 클라우드 모델 매칭을 실행합니다.

기본값: 표면 매칭

조정 설명: 대상 물체의 표면에 굴곡이 있으며 명확하게 인식할 수 있는 형태적 특징(예: 크랭크 축, 회전자 등)이 많은 경우, 표면 매칭을 사용하는 것이 좋습니다. 물체의 표면 특징을 나타내는 포인트 클라우드 모델을 생성해야 합니다. 대상 물체의 표면이 상대적으로 평평하며, 명확하고 규칙적인 가장자리 특징(예: 패널, 트랙슈, 커넥팅 로드, 브레이크 디스크 등)이 있는 경우, 가장자리 매칭을 사용하는 것이 좋습니다. 물체의 가장자리 특징을 나타내는 포인트 클라우드 모델을 생성해야 합니다.

실행 방법

실행 모드

파라미터 설명: 이 파라미터는 정확도와 매칭 속도 간의 균형을 설정하는 데 사용됩니다. 정확도가 높을수록 소모되는 시간은 길어집니다.

값 리스트: 고속도, 표준, 고정확도

  • 고속도: 단일 대상 물체를 배치하거나 소수의 대상 물체를 질서 있게 배열하는 시나리오에 적합합니다.

  • 표준: 대부분의 대상 물체의 로딩&언로딩 시나리오에 적용 가능하며, 속도와 정확도 간의 균형을 맞춘 접근 방식입니다.

  • 고정확도: 대상 물체의 수량이 많거나 대상 물체가 무작위로 쌓여 있는 시나리오에 적합합니다.

기본값: 표준

신뢰도 설정

결과 검증 레벨

파라미터 설명: 이 파라미터는 매칭 결과를 확인할 때 적용되는 엄격도를 선택하는 데 사용됩니다.

값 리스트: Low, Standard, High, Ultra-high

기본값: Standard

권장 사항: 일반적으로 Standard 값을 사용하는 것이 권장됩니다. 시나리오 포인트 클라우드와 포인트 클라우드 모델이 구별하기 어려운 경우, 더 높은 결과 검증 레벨을 선택할 수 있습니다.

신뢰도 임계값

파라미터 설명: 매칭 결과의 신뢰도가 임계값보다 높으면 매칭 결과가 유효한 것으로 간주됩니다. 이 값이 높을수록 매칭 결과는 더욱 정확해집니다.

기본값: 0.3000

출력

최대 출력

파라미터 설명: 이 파라미터는 성공적인 매칭을 위한 최대 출력 대상 물체 수를 지정합니다. 값이 클수록 스텝 실행 시간이 길어집니다.

기본값: 10

권장 사항: 최대 출력 결과 개수를 적절하게 설정하는 것이 좋습니다. 이 값을 너무 크게 설정하지 마십시오.

실제 출력한 3D 매칭 인식 결과 개수는 설정된 최대 출력의 값과 일치하지 않을 수 있습니다. 예를 들어, 출력된 결과의 개수의 값은 5로 설정되어 있지만 실제로 3D 매칭에서 인식 결과가 3개 있는 경우 최종 출력 결과의 개수는 3개입니다.

Advanced 모드

매칭 모드

매칭 모드 자동 설정

파라미터 설명: 이 옵션을 활성화하면, 스텝은 “근사 매칭 모드” 또는 “상세 매칭 모드”를 자동으로 설정합니다.

기본값: 활성화

근사/상세 매칭 모드

파라미터 설명: 이 파라미터는 매칭 모드를 설정하는 데 사용됩니다. 매칭 모드 자동 설정 옵션을 활성화하지 않았을 때, 이 파라미터를 설정해야 합니다.

값 리스트: 표면 매칭, 가장자리 매칭

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

  • 가장자리 매칭: 물체의 가장자리 포인트 클라우드를 사용하여 포인트 클라우드 모델 매칭을 실행합니다.

기본값: 표면 매칭

조정 설명: 대상 물체의 표면에 굴곡이 있으며 명확하게 인식할 수 있는 형태적 특징(예: 크랭크 축, 회전자 등)이 많은 경우, 표면 매칭을 사용하는 것이 좋습니다. 물체의 표면 특징을 나타내는 포인트 클라우드 모델을 생성해야 합니다. 대상 물체의 표면이 상대적으로 평평하며, 명확하고 규칙적인 가장자리 특징(예: 패널, 트랙슈, 커넥팅 로드, 브레이크 디스크 등)이 있는 경우, 가장자리 매칭을 사용하는 것이 좋습니다. 물체의 가장자리 특징을 나타내는 포인트 클라우드 모델을 생성해야 합니다.

실행 방법

실행 모드

파라미터 설명: 이 파라미터는 정확도와 매칭 속도 간의 균형을 설정하는 데 사용됩니다. 정확도가 높을수록 소모되는 시간은 길어집니다.

값 리스트: 고속도, 표준, 고정확도

  • 고속도: 단일 대상 물체를 배치하거나 소수의 대상 물체를 질서 있게 배열하는 시나리오에 적합합니다.

  • 표준: 대부분의 대상 물체의 로딩&언로딩 시나리오에 적용 가능하며, 속도와 정확도 간의 균형을 맞춘 접근 방식입니다.

  • 고정확도: 대상 물체의 수량이 많거나 대상 물체가 무작위로 쌓여 있는 시나리오에 적합합니다.

기본값: 표준

근사 매칭 설정

실행 모드

파라미터 설명: 이 파라미터는 정확도와 매칭 속도 간의 균형을 설정하는 데 사용됩니다. 정확도가 높을수록 소모되는 시간은 길어집니다.

값 리스트: 고속도, 표준, 고정확도, 사용자 정의

기본값: 표준

모델의 예상 포인트 수

파라미터 설명: 이 파라미터는 포인트 클라우드 모델에서 예상되는 포인트 수를 지정하는 데 사용됩니다. 실행 모드사용자 정의로 설정되면 이 파라미터를 설정해야 합니다.

기본값: 300

상세 매칭 설정

실행 모드

파라미터 설명: 이 파라미터는 정확도와 매칭 속도 간의 균형을 설정하는 데 사용됩니다. 정확도가 높을수록 소모되는 시간은 길어집니다.

값 리스트: 고속도, 표준, 고정확도, 초고정확도, 사용자 정의

기본값: 표준

샘플링 간격

파라미터 설명: 파라미터 값이 클수록 샘플링된 포인트 클라우드의 포인트 수가 줄어들고, 포인트 클라우드가 희박해집니다. 이로 인해 매칭 정확도가 떨어질 수 있습니다. 파라미터 값은 작을 수록 실행 시간이 길어집니다.

기본값: 5.000 mm

최대 반복 횟수

파라미터 설명: 값이 클수록 매칭 정확도는 높아지고 처리속도는 느려집니다.

기본값: 40

표준 편차 업데이트 스텝 간격

설명: 이 파라미터는 표준 편차 파인튜닝에 사용됩니다.

기본값: 3

편차 보정 능력

파라미터 설명: 이 파라미터는 근사 매칭 결과에 대한 편차 보정 능력을 선택하는 데 사용됩니다. 값이 높을수록 실제 물체 포즈와 크게 벗어나는 근사 포즈를 보다 정확한 포즈로 보정할 수 있습니다. 그러나 보정 능력이 지나치게 크면 정확도가 떨어질 수 있습니다.

값 리스트: Small, Medium, Large

기본값: Small

추가 상세 매칭

추가 상세 매칭 사용

파라미터 설명: 이 기능을 활성화하면 최종 매칭 정확도는 향상될 수 있지만, 실행 시간은 늘어납니다. 실제 상황에 따라 이 기능을 활성화할지 여부를 결정하십시오.

기본값: 비활성화

포즈 필터링

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: 활성화

최대 모델 회전 각도 자동 설정

파라미터 설명: 활성화되면 최대 모델 회전 각도가 자동으로 설정됩니다. 이 기능은 주로 대상 물체의 앞/뒷면과 잘못 매칭하는 포즈를 필터링하는 데 사용됩니다.

기본값: 활성화

최대 모델 회전 각도

파라미터 설명: 가장자리 매칭 모드에서 포인트 클라우드 모델이 시나리오 포인트 클라우드와 매칭될 때, X축 또는 Y축을 기준으로 회전하는 특정 각도에 따라 포즈를 필터링합니다. 모델의 회전 각도가 최대 모델 회전 각도를 초과하면 해당 포즈가 필터링 됩니다.

기본값: 135.00°

길고 얇은 물체 강화

길고 얇은 물체 강화 사용

파라미터 설명: 길고 얇은 대상 물체의 경우, 물체와 포인트 클라우드가 물체의 긴 축을 따라 잘못 정렬될 수 있으며, 이로 인해 양 끝부분이 정확하게 정렬되지 않을 수 있습니다. 이 기능을 활성화하면 길고 얇은 대상 물체의 일치 정확도를 향상시킬 수 있습니다.

기본값: 활성화

잘못된 매칭 방지

포즈 조정

파라미터 설명: X축 방향 조정을 선택하면 근사 매칭으로 얻은 포즈의 Z축이 고정되고, X축이 지정된 방향으로 회전됩니다. 가능성이 낮은 포즈 필터링을 선택하면 대상 물체 편집기에서 계산된 필터링 값을 매칭에 사용하여 잘못된 매칭을 방지합니다.

값 리스트: 없음, X축 방향 조정, 가능성이 낮은 포즈 필터링

기본값: 없음

조정 설명: 가능성이 낮은 포즈 필터링 파라미터를 사용해야 하는 경우 대상 물체 편집기의 포인트 클라우드 모델 구성에서 포인트 클라우드 모델 구성 기능을 활성화한 다음, 매칭 실패 가능성이 있는 포즈를 자동으로 계산하기를 선택하여 관련 설정을 완료합니다. 그런 다음 “3D 대상 물체 인식”도구에서 대상 물체 업데이트를 클릭합니다.

신뢰도 설정

신뢰도 전략

파라미터 설명: 이 파라미터는 신뢰도 설정 방법을 결정합니다.

값 리스트: Auto, Manunal

  • Auto: 공동 채점 전략을 자동으로 설정합니다.

  • Manunal: 공동 채점 전략을 수동으로 설정합니다.

조정 설명: Manunal을 선택한 후 실제 상황에 따라 표면 일치 및 모서리 일치에 대한 결과 검증 레벨신뢰도 임계값을 설정할 수 있습니다.

결과 검증 레벨

파라미터 설명: 이 파라미터는 매칭 결과를 검증할 때 적용되는 엄격도를 선택하는 데 사용됩니다.

값 리스트: Low, Standard, High, Ultra-high, Custom

기본값: Standard

권장 사항: 일반적으로 “Standard” 값을 사용하는 것이 권장됩니다. 시나리오 포인트 클라우드와 포인트 클라우드 모델을 구별하기 어려운 경우, 더 높은 결과 검증 레벨을 선택할 수 있습니다.

검색 반경

파라미터 설명: 시나리오 포인트 클라우드와 포인트 클라우드 모델 사이의 거리가 이 값보다 작을 경우, 두 포인트 클라우드가 일치하는 것으로 간주됩니다. 일치한 포인트의 수가 많을수록 일치 결과에 대한 검증 점수가 높아집니다. 결과 검증 레벨Custom인 경우, 이 파라미터를 설정해야 합니다.

기본값: 10.000 mm

샘플링 간격

파라미터 설명: 이 파라미터는 모델 및 시나리오 포인트 클라우드의 다운 샘플링에 사용됩니다(매칭 결과 검증에만 사용). 값이 클수록 샘플링된 포인트 클라우드의 포인트 수가 줄어듭니다. 결과 검증 레벨Custom인 경우, 이 파라미터를 설정해야 합니다.

기본값: 5.000 mm

신뢰도 임계값

파라미터 설명: 매칭 결과의 신뢰도가 임계값보다 높으면 매칭 결과가 유효한 것으로 간주됩니다. 이 값이 높을수록 매칭 결과는 더욱 정확해집니다.

기본값: 0.3000

표면 매칭 시 법선 편차 고려

파라미터 설명: 표면 매칭 결과를 확인할 때, 시나리오 포인트 클라우드의 점에서 법선 벡터와 포인트 클라우드 모델의 해당 점에서 법선 벡터 사이의 각도 편차를 고려합니다. 이 파라미터를 활성화하면 매칭 결과의 수는 줄어들지만, 결과의 정확도는 높아집니다.

기본값: 선택하지 않음

출력

최대 출력

파라미터 설명: 이 파라미터는 성공적인 매칭을 위한 최대 출력 대상 물체 수를 지정합니다. 값이 클수록 스텝 실행 시간이 길어집니다.

기본값: 10

권장 사항: 최대 출력 결과 개수를 적절하게 설정하는 것이 좋습니다. 이 값을 너무 크게 설정하지 마십시오.

실제 출력한 3D 매칭 인식 결과 개수는 설정된 최대 출력의 값과 일치하지 않을 수 있습니다. 예를 들어, 출력된 결과의 개수의 값은 5로 설정되어 있지만 실제로 3D 매칭에서 인식 결과가 3개 있는 경우 최종 출력 결과의 개수는 3개입니다.

중첩된 포즈 제거

중첩된 물체 포즈 제거 기능

파라미터 설명: 이 파라미터는 중첩되는 물체를 제거하는 기능을 활성화할지 여부를 결정하는 데 사용됩니다.

기본값: 활성화

중첩 비율 임계값

파라미터 설명: 이 파라미터는 한 물체와 다른 물체 간의 중첩 비율 임계값을 설정합니다. 두 물체 간의 중첩 비율이 이 값보다 높으면 포즈 신뢰도 값이 낮은 물체가 제거됩니다. 중첩된 물체 포즈 제거 기능을 활성화한 경우, 이 파라미터를 설정해야 합니다.

기본값: 30%

겹친 포즈 제거

겹치는 물체의 포즈 제거 기능

파라미터 설명: 이 파라미터는 겹쳐진 물체를 제거하는 기능을 활성화할지 여부를 결정하는 데 사용됩니다.

기본값: 활성화

겹치는 비율 임계값

파라미터 설명: 이 파라미터는 물체와 다른 물체 간의 겹쳐진 비율의 임계값입니다. 겹쳐진 비율이 이 값보다 높으면 겹친 물체로 간주됩니다. 겹치는 물체의 포즈 제거를 활성화한 경우, 이 파라미터를 설정해야 합니다.

기본값: 30%

실행 결과 보기

위 내용에 따라 파라미터를 설정한 후 스텝 실행 또는 프로젝트 실행을 클릭하면 실행 결과를 확인할 수 있습니다.

대상 물체 인식이 완료된 후 다음 버튼을 클릭하면 “일반 설정” 프로세스가 시작됩니다.

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.