Mech-Vision 업데이트 설명

현재 최신 버전 (2.2.0)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.

Mech-Vision 2.2.0 업데이트 안내

본 절에서는 Mech-Vision 2.2.0 버전의 신규 기능, 기능 최적화 및 문제 수정을 소개합니다.

신규 기능

Mech-Vision 2.2.0은 궤적 시나리오 작업을 지원하며, 여러 가지 궤적 관련 기능이 새로 추가되었습니다. 자세한 내용은 다음과 같습니다.

대상 물체 라이브러리에 궤적 유형 대상 물체 구성 프로세스가 새로 추가되어, STEP 파일 가져오기, 처리된 포인트 클라우드 가져오기, 카메라로 포인트 클라우드 캡처 등의 방식을 통해 궤적 유형 대상 물체 구성을 빠르게 완료할 수 있습니다.
3D 궤적 인식 스텝이 새로 추가되었습니다. 이 스텝은 포인트 클라우드 전처리, 3D 매칭 등의 비전 처리 기능을 통합하여 대상 물체 인식과 궤적 생성을 빠르게 완료할 수 있습니다.
출력 스텝의 기능이 개선되어 궤적 유형 비전 결과를 출력할 수 있습니다.

여러 개의 궤적 처리 스텝이 새로 추가되었습니다. 자세한 내용은 다음과 같습니다.

스텝	소개
포인트 클라우드로부터 궤적 포인트 생성	이 스텝은 입력된 포인트 클라우드를 기반으로 궤적 포인트를 생성하며, 이후 궤적 처리에 사용됩니다.
포인트 클라우드로 궤적 최적화	이 스텝은 실제 포인트 클라우드를 기반으로 원본 궤적을 최적화하여 궤적이 대상 물체 표면에 더 잘 맞도록 합니다. 이 스텝은 평활화, 정렬, 단순화 등 다양한 작업을 지원하여 궤적 정밀도를 높입니다.
궤적 평활화	이 스텝은 궤적 포인트를 평활화하여 궤적의 노이즈 영향을 줄이고 더 부드러운 궤적을 생성합니다.
궤적 단순화	이 스텝은 궤적 포인트 수를 줄여 궤적 형상을 단순화하면서도 궤적의 전체 형상을 최대한 유지합니다.
궤적 포인트 정렬	이 스텝은 궤적 포인트 위치를 기준으로 궤적 포인트를 정렬하여 궤적 포인트 배열 순서를 최적화합니다.
중복 궤적 포인트 제거	이 스텝은 궤적에서 서로 너무 가까운 중복 포인트를 제거하여 무효 포인트 수를 줄이고 궤적 포인트 분포를 최적화합니다.
궤적 포인트 보간	이 스텝은 궤적 포인트 사이에 더 많은 중간 포인트를 삽입하여 궤적을 더 부드럽고 연속적으로 만듭니다.
궤적 정보 가져오기	이 스텝은 프로젝트 실행 중 선행 스텝에서 출력한 대상 물체 중심점과 대상 물체 이름을 기준으로, 대상 물체 라이브러리에서 궤적 유형 대상 물체와 관련된 궤적 정보를 자동으로 가져와 후속 스텝에서 호출할 수 있도록 합니다.

스텝

소개

포인트 클라우드로부터 궤적 포인트 생성

이 스텝은 입력된 포인트 클라우드를 기반으로 궤적 포인트를 생성하며, 이후 궤적 처리에 사용됩니다.

포인트 클라우드로 궤적 최적화

이 스텝은 실제 포인트 클라우드를 기반으로 원본 궤적을 최적화하여 궤적이 대상 물체 표면에 더 잘 맞도록 합니다. 이 스텝은 평활화, 정렬, 단순화 등 다양한 작업을 지원하여 궤적 정밀도를 높입니다.

궤적 평활화

이 스텝은 궤적 포인트를 평활화하여 궤적의 노이즈 영향을 줄이고 더 부드러운 궤적을 생성합니다.

궤적 단순화

이 스텝은 궤적 포인트 수를 줄여 궤적 형상을 단순화하면서도 궤적의 전체 형상을 최대한 유지합니다.

궤적 포인트 정렬

이 스텝은 궤적 포인트 위치를 기준으로 궤적 포인트를 정렬하여 궤적 포인트 배열 순서를 최적화합니다.

중복 궤적 포인트 제거

이 스텝은 궤적에서 서로 너무 가까운 중복 포인트를 제거하여 무효 포인트 수를 줄이고 궤적 포인트 분포를 최적화합니다.

궤적 포인트 보간

이 스텝은 궤적 포인트 사이에 더 많은 중간 포인트를 삽입하여 궤적을 더 부드럽고 연속적으로 만듭니다.

궤적 정보 가져오기

이 스텝은 프로젝트 실행 중 선행 스텝에서 출력한 대상 물체 중심점과 대상 물체 이름을 기준으로, 대상 물체 라이브러리에서 궤적 유형 대상 물체와 관련된 궤적 정보를 자동으로 가져와 후속 스텝에서 호출할 수 있도록 합니다.

피킹 시나리오에서 빈 인식 지원

Mech-Vision 2.2.0은 피킹 시나리오에서 빈 인식을 지원하며, 주요 내용은 다음과 같습니다.

대상 물체 라이브러리에 빈 유형 대상 물체 구성 프로세스가 새로 추가되어, STL 파일 가져오기, 카메라로 포인트 클라우드 캡처, 포인트 클라우드 템플릿 불필요 등의 방식을 통해 빈 유형 대상 물체 구성을 빠르게 완료할 수 있습니다.
3D 빈 인식 스텝이 새로 추가되었습니다. 이 스텝은 포인트 클라우드 전처리, 3D 매칭, 딥 러닝 등의 비전 처리 기능을 통합하여 빈 인식을 빠르게 완료할 수 있습니다.

조립 시나리오에서 포즈 변환 지원

포즈 변환(고급) 스텝이 새로 추가되었습니다. 이 스텝은 서로 다른 좌표계 간의 포즈 관계를 계산하는 데 사용할 수 있으며, 좌표계 변환, 듀얼 로봇 상대 포즈 캘리브레이션, 포즈 보정(조립)을 포함합니다.
좌표계 변환 계산기 스텝이 새로 추가되었습니다. 이 스텝은 여러 개의 알려진 포즈 관계를 기반으로 자동으로 최단 변환 경로를 찾고, 두 목표 좌표계 간의 변환 관계를 계산할 수 있습니다.

2D 비전 기능 확장

Mech-Vision 2.2.0에는 다양한 2D 비전 관련 기능이 새로 추가되었습니다. 주요 내용은 다음과 같습니다.

2D 스마트 카메라 스텝이 새로 추가되어, 2D 스마트 카메라로 이미지 데이터를 획득하고 후속 비전 처리 작업의 입력으로 사용할 수 있습니다.
2D 카메라 캘리브레이션 기능이 새로 추가되었으며, 왜곡 캘리브레이션과 핸드-아이 캘리브레이션(외부 파라미터 캘리브레이션)을 포함합니다. 이를 통해 카메라 영상과 실제 공간 간의 매핑 관계를 구축하여 이미지 측정 및 위치 지정 정밀도를 높일 수 있으며, 비전 시스템이 고정밀 인식 및 위치 지정을 구현하는 기초가 됩니다.
2D 카메라 관리 기능이 새로 추가되어, 솔루션 내 2D 카메라를 통합 관리할 수 있으며, 이미지 획득 전 장치 구성 및 디버깅의 진입점 역할을 합니다.
2D 매칭 템플릿 편집기 기능이 새로 추가되어, 2D 매칭 템플릿을 생성하고 관리할 수 있습니다.
2D 대상 물체 인식 스텝이 새로 추가되었습니다. 이 스텝은 위치 지정 피킹, 배치 보정, 오류 방지 검사, 정보 판독 시나리오에서 대상 물체 인식과 검사를 빠르게 완료할 수 있습니다.

여러 개의 2D 관련 스텝이 새로 추가되어 이미지 전처리, 이미지 후처리, 측정 등의 시나리오를 포괄하며, 스텝 라이브러리는 2D와 3D 차원에 따라 스텝 그룹화를 지원합니다.

카테고리	스텝	소개
전처리	이미지 채널 병합 또는 분리	이 스텝은 3채널 이미지 1장을 3장의 단일 채널 이미지로 분리하거나, 3장의 단일 채널 이미지를 1장의 3채널 이미지로 병합할 수 있습니다.
이미지 전처리	이 스텝은 입력 이미지에 대해 향상, 노이즈 제거, 형태학 변환, 그레이스케일 반전, 에지 추출 등의 전처리 작업을 수행할 수 있습니다.
이미지 결합	이 스텝은 여러 장의 이미지를 지정된 위치에 배치하여 1장의 이미지로 결합할 수 있습니다.
이미지 자르기, 패딩 또는 크기 조정	이 스텝은 입력 이미지에 대해 자르기, 패딩 또는 크기 조정을 수행할 수 있습니다.
이미지 뒤집기 및 회전	이 스텝은 요구에 따라 이미지를 뒤집거나 회전할 수 있습니다.
이미지 회전	이 스텝은 설정한 회전 중심을 기준으로 이미지를 일정 각도 회전할 수 있습니다.
색상으로 대상 영역 추출	이 스텝은 지정된 색 공간에서 세 채널의 색상 범위(임계값 상한/하한)에 따라 대상 영역을 추출하고, 이진 이미지를 생성합니다(대상 영역의 픽셀 값은 255, 기타 픽셀 값은 0).
후처리	마스크 논리 연산	이 스텝은 크기가 동일한 두 그룹의 마스크 리스트에 대해 논리 연산을 수행하여 두 그룹의 마스크를 병합하거나, 공통 부분을 추출하거나, 공통 부분을 제거하는 데 사용됩니다.
그레이스케일 범위별 픽셀 수 계산	이 스텝은 그레이스케일 이미지의 지정된 영역에서 그레이스케일 임계값 범위를 만족하는 픽셀 수를 계산하는 데 사용됩니다.
그레이스케일 히스토그램 분석	이 스텝은 그레이스케일 이미지의 지정된 영역에 대한 이미지 그레이스케일 히스토그램, 픽셀 개수, 최소 그레이스케일 값, 최대 그레이스케일 값, 그레이스케일 중앙값, 그레이스케일 최빈값(가장 많이 나타나는 그레이스케일), 그레이스케일 평균값, 그레이스케일 표준편차, 대비 등의 정보를 출력하는 데 사용됩니다. 그레이스케일 히스토그램은 그레이스케일 이미지의 그레이스케일 분포를 통계적으로 나타낸 것으로, 이미지에서 특정 그레이스케일이 나타나는 빈도를 반영합니다.
이미지 산술 연산	이 스텝은 입력된 그레이스케일 이미지에 대해 픽셀 단위 산술 연산(더하기, 빼기, 곱하기 또는 나누기) 또는 조합 연산(최댓값, 최솟값, 반전)을 수행할 수 있으며, 승수와 가산수를 통해 결과를 조정할 수 있습니다. 두 이미지의 크기는 반드시 같아야 합니다.
측정	직선 검출 및 피팅	이 스텝은 이미지에서 직선 에지를 검출하고 직선을 피팅할 수 있습니다.
원 검출 및 피팅	이 스텝은 이미지에서 원형 에지를 검출하고 원을 피팅할 수 있습니다.
사각형 검출 및 피팅	이 스텝은 이미지에서 사각형 에지를 검출하고 사각형을 피팅할 수 있습니다.
에지 포인트 검출	이 스텝은 이미지 지정 영역의 세로 중심선에서 요구 조건을 만족하는 에지 포인트 하나를 검출할 수 있습니다.
장공 검출 및 피팅	이 스텝은 이미지에서 장공 에지를 검출하고 장공을 피팅할 수 있습니다.
에지 간 너비 측정	이 스텝은 한 쌍의 에지 포인트를 이미지에서 검출하고, 그 사이의 거리를 측정하여 에지 간 너비로 사용할 수 있습니다.
특징 간 거리 측정	이 스텝은 지정된 두 종류의 특징 간 기하학적 거리를 측정할 수 있습니다. 지원되는 특징 조합은 점-점, 점-선, 점-원, 선-선, 선-원, 원-원입니다.
선분 간 각도 측정	이 스텝은 선분과 선분 사이의 각도를 측정할 수 있습니다.
기타	2D 매칭	이 스텝은 2D 이미지에서 템플릿과 일치하는 특징을 검색하고 위치를 지정하며, 물체 포즈를 계산하여 2D 포즈 변환이 동시에 필요한 후속 스텝에 데이터를 제공합니다. 다중 대상 위치 지정과 인식을 지원합니다.
2D 정렬	이 스텝은 입력 이미지를 평행 이동 및 회전시켜 템플릿과 정렬함으로써 두 상태의 일관성을 구현할 수 있습니다.
2D Blob 분석	이 스텝은 이미지에서 Blob을 검출하고, 면적, 원형도 등 기하학적 특징에 따라 필터링할 수 있습니다.
2D Blob 정렬	이 스텝은 이미지에서 Blob을 검출하고 기하학적 특징에 따라 필터링한 뒤, 이미지 포즈를 조정하여 Blob의 무게중심이 원본 이미지의 중심점과 일치하도록 할 수 있습니다.
이미지 시각화(2D)	이 스텝은 특징, 이미지, 텍스트, 포즈 등의 결과를 2D 이미지 위에 중첩하여 사용자 정의 시각화를 구현할 수 있습니다.
바코드/QR 코드 인식	이 스텝은 지정된 이미지 영역 내에서 바코드/QR 코드를 인식하고, 코드 내용과 이미지 내 위치를 출력할 수 있습니다.
2D 대상 물체 카운팅	이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체를 검출하고 개수를 셀 수 있습니다.
2D 대상 물체 변형 감지	이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체의 변형 상태를 판정할 수 있습니다.
2D 대상 물체 포즈 편차 검사	이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체의 포즈 편차를 검사할 수 있습니다.
마스크 특징점 위치 지정	이 스텝은 마스크의 특징점을 위치 지정할 수 있습니다.
점 생성(2D)	이 스텝은 점, 직선 등의 기하학적 특징을 기반으로 2D 점을 생성할 수 있습니다.
직선 생성(2D)	이 스텝은 점, 직선 등의 기하학적 특징을 기반으로 2D 직선을 생성할 수 있습니다.
2D 점을 3D 포즈로 변환	이 스텝은 2D 카메라가 인식한 대상 물체의 2D 포즈 또는 2D 형상을 카메라 외부 파라미터 캘리브레이션 데이터 및 티칭 포즈와 결합하여, 로봇 좌표계에서의 3D 대상 물체 포즈로 변환할 수 있습니다.

카테고리

스텝

소개

전처리

이미지 채널 병합 또는 분리

이 스텝은 3채널 이미지 1장을 3장의 단일 채널 이미지로 분리하거나, 3장의 단일 채널 이미지를 1장의 3채널 이미지로 병합할 수 있습니다.

이미지 전처리

이 스텝은 입력 이미지에 대해 향상, 노이즈 제거, 형태학 변환, 그레이스케일 반전, 에지 추출 등의 전처리 작업을 수행할 수 있습니다.

이미지 결합

이 스텝은 여러 장의 이미지를 지정된 위치에 배치하여 1장의 이미지로 결합할 수 있습니다.

이미지 자르기, 패딩 또는 크기 조정

이 스텝은 입력 이미지에 대해 자르기, 패딩 또는 크기 조정을 수행할 수 있습니다.

이미지 뒤집기 및 회전

이 스텝은 요구에 따라 이미지를 뒤집거나 회전할 수 있습니다.

이미지 회전

이 스텝은 설정한 회전 중심을 기준으로 이미지를 일정 각도 회전할 수 있습니다.

색상으로 대상 영역 추출

이 스텝은 지정된 색 공간에서 세 채널의 색상 범위(임계값 상한/하한)에 따라 대상 영역을 추출하고, 이진 이미지를 생성합니다(대상 영역의 픽셀 값은 255, 기타 픽셀 값은 0).

후처리

마스크 논리 연산

이 스텝은 크기가 동일한 두 그룹의 마스크 리스트에 대해 논리 연산을 수행하여 두 그룹의 마스크를 병합하거나, 공통 부분을 추출하거나, 공통 부분을 제거하는 데 사용됩니다.

그레이스케일 범위별 픽셀 수 계산

이 스텝은 그레이스케일 이미지의 지정된 영역에서 그레이스케일 임계값 범위를 만족하는 픽셀 수를 계산하는 데 사용됩니다.

그레이스케일 히스토그램 분석

이 스텝은 그레이스케일 이미지의 지정된 영역에 대한 이미지 그레이스케일 히스토그램, 픽셀 개수, 최소 그레이스케일 값, 최대 그레이스케일 값, 그레이스케일 중앙값, 그레이스케일 최빈값(가장 많이 나타나는 그레이스케일), 그레이스케일 평균값, 그레이스케일 표준편차, 대비 등의 정보를 출력하는 데 사용됩니다. 그레이스케일 히스토그램은 그레이스케일 이미지의 그레이스케일 분포를 통계적으로 나타낸 것으로, 이미지에서 특정 그레이스케일이 나타나는 빈도를 반영합니다.

이미지 산술 연산

이 스텝은 입력된 그레이스케일 이미지에 대해 픽셀 단위 산술 연산(더하기, 빼기, 곱하기 또는 나누기) 또는 조합 연산(최댓값, 최솟값, 반전)을 수행할 수 있으며, 승수와 가산수를 통해 결과를 조정할 수 있습니다. 두 이미지의 크기는 반드시 같아야 합니다.

측정

직선 검출 및 피팅

이 스텝은 이미지에서 직선 에지를 검출하고 직선을 피팅할 수 있습니다.

원 검출 및 피팅

이 스텝은 이미지에서 원형 에지를 검출하고 원을 피팅할 수 있습니다.

사각형 검출 및 피팅

이 스텝은 이미지에서 사각형 에지를 검출하고 사각형을 피팅할 수 있습니다.

에지 포인트 검출

이 스텝은 이미지 지정 영역의 세로 중심선에서 요구 조건을 만족하는 에지 포인트 하나를 검출할 수 있습니다.

장공 검출 및 피팅

이 스텝은 이미지에서 장공 에지를 검출하고 장공을 피팅할 수 있습니다.

에지 간 너비 측정

이 스텝은 한 쌍의 에지 포인트를 이미지에서 검출하고, 그 사이의 거리를 측정하여 에지 간 너비로 사용할 수 있습니다.

특징 간 거리 측정

이 스텝은 지정된 두 종류의 특징 간 기하학적 거리를 측정할 수 있습니다. 지원되는 특징 조합은 점-점, 점-선, 점-원, 선-선, 선-원, 원-원입니다.

선분 간 각도 측정

이 스텝은 선분과 선분 사이의 각도를 측정할 수 있습니다.

기타

2D 매칭

이 스텝은 2D 이미지에서 템플릿과 일치하는 특징을 검색하고 위치를 지정하며, 물체 포즈를 계산하여 2D 포즈 변환이 동시에 필요한 후속 스텝에 데이터를 제공합니다. 다중 대상 위치 지정과 인식을 지원합니다.

2D 정렬

이 스텝은 입력 이미지를 평행 이동 및 회전시켜 템플릿과 정렬함으로써 두 상태의 일관성을 구현할 수 있습니다.

2D Blob 분석

이 스텝은 이미지에서 Blob을 검출하고, 면적, 원형도 등 기하학적 특징에 따라 필터링할 수 있습니다.

2D Blob 정렬

이 스텝은 이미지에서 Blob을 검출하고 기하학적 특징에 따라 필터링한 뒤, 이미지 포즈를 조정하여 Blob의 무게중심이 원본 이미지의 중심점과 일치하도록 할 수 있습니다.

이미지 시각화(2D)

이 스텝은 특징, 이미지, 텍스트, 포즈 등의 결과를 2D 이미지 위에 중첩하여 사용자 정의 시각화를 구현할 수 있습니다.

바코드/QR 코드 인식

이 스텝은 지정된 이미지 영역 내에서 바코드/QR 코드를 인식하고, 코드 내용과 이미지 내 위치를 출력할 수 있습니다.

2D 대상 물체 카운팅

이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체를 검출하고 개수를 셀 수 있습니다.

2D 대상 물체 변형 감지

이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체의 변형 상태를 판정할 수 있습니다.

2D 대상 물체 포즈 편차 검사

이 스텝은 2D 템플릿 매칭을 통해 이미지 내 대상 물체의 포즈 편차를 검사할 수 있습니다.

마스크 특징점 위치 지정

이 스텝은 마스크의 특징점을 위치 지정할 수 있습니다.

점 생성(2D)

이 스텝은 점, 직선 등의 기하학적 특징을 기반으로 2D 점을 생성할 수 있습니다.

직선 생성(2D)

이 스텝은 점, 직선 등의 기하학적 특징을 기반으로 2D 직선을 생성할 수 있습니다.

2D 점을 3D 포즈로 변환

이 스텝은 2D 카메라가 인식한 대상 물체의 2D 포즈 또는 2D 형상을 카메라 외부 파라미터 캘리브레이션 데이터 및 티칭 포즈와 결합하여, 로봇 좌표계에서의 3D 대상 물체 포즈로 변환할 수 있습니다.

딥 러닝 모델 패키지 추론 기능 개선

Mech-Vision 2.2.0은 딥 러닝 모델 패키지 추론 스텝을 개선했습니다. 자세한 내용은 다음과 같습니다.

신속하게 위치 지정, 텍스트 검출, 텍스트 인식, 비지도 분할 모델 패키지 추론과 멀티 모델 패키지 추론을 지원합니다.
추론 구성 기능이 최적화되어, 추론 구성 도구에서 후처리 파라미터를 설정할 수 있으므로 추론 결과의 정확도를 높일 수 있습니다.

Mech-Vision 2.2.0부터 이 스텝은 Mech-DLK 2.5.4 이상 버전에서 내보낸 모델 패키지만 로드할 수 있습니다.

경량 AI 유형 스텝 추가

Mech-Vision 2.2.0에는 다음과 같은 경량 AI 유형 스텝이 새로 추가되었습니다. 자세한 내용은 다음과 같습니다.

“경량 AI” 관련 스텝을 사용해야 하는 경우 Mech-Mind 영업팀에 문의하여 해당 기능을 지원하는 소프트웨어 라이센스를 받으십시오. 소프트웨어 라이센스를 업데이트하면 해당 스텝을 사용할 수 있습니다.

스텝	소개
AI 분류(다중 클래스)	이 스텝은 이미지 내 대상 물체를 다중 클래스 지능형 분류할 수 있습니다.
AI 분류(앞뒤/유무)	이 스텝은 이미지 내 대상 물체의 앞뒤 및 유무를 판단할 수 있습니다.
AI 문자 인식	이 스텝은 이미지 내 문자, 숫자 등의 문자를 지능적으로 인식할 수 있습니다.

스텝

소개

AI 분류(다중 클래스)

이 스텝은 이미지 내 대상 물체를 다중 클래스 지능형 분류할 수 있습니다.

AI 분류(앞뒤/유무)

이 스텝은 이미지 내 대상 물체의 앞뒤 및 유무를 판단할 수 있습니다.

AI 문자 인식

이 스텝은 이미지 내 문자, 숫자 등의 문자를 지능적으로 인식할 수 있습니다.

기타 딥 러닝 관련 스텝 추가

“임의 물체 피킹 V2” 스텝을 사용해야 하는 경우 Mech-Mind 영업팀에 문의하여 해당 기능을 지원하는 소프트웨어 라이센스를 받으십시오. 소프트웨어 라이센스를 업데이트하면 해당 스텝을 사용할 수 있습니다.

스텝	소개
임의 물체 피킹 V2	이 스텝은 임의 물체 피킹 V2 모델 패키지를 기반으로 입력된 깊이 이미지와 컬러 이미지에 대해 표면 분할을 수행하고, 각각의 독립적인 피킹 가능 표면과 눌려 겹쳐진 표면을 인식한 후, 피킹 우선순위에 따라 정렬된 마스크 리스트를 출력할 수 있습니다.
대상 물체-빈 분할	이 스텝은 대상 물체-빈 분할 모델 패키지를 기반으로 입력된 깊이 이미지와 컬러 이미지에서 대상 물체와 빈을 분할하고, 대상 물체 마스크와 빈 마스크를 출력하며, 시각화 결과도 제공합니다.

스텝

소개

임의 물체 피킹 V2

이 스텝은 임의 물체 피킹 V2 모델 패키지를 기반으로 입력된 깊이 이미지와 컬러 이미지에 대해 표면 분할을 수행하고, 각각의 독립적인 피킹 가능 표면과 눌려 겹쳐진 표면을 인식한 후, 피킹 우선순위에 따라 정렬된 마스크 리스트를 출력할 수 있습니다.

대상 물체-빈 분할

이 스텝은 대상 물체-빈 분할 모델 패키지를 기반으로 입력된 깊이 이미지와 컬러 이미지에서 대상 물체와 빈을 분할하고, 대상 물체 마스크와 빈 마스크를 출력하며, 시각화 결과도 제공합니다.

전역 변수 사용 지원

Mech-Vision 2.2.0은 전역 변수 스텝과 전역 변수 관리기를 지원하며, 서로 다른 프로젝트 간에 데이터를 공유하여 데이터의 통합 관리와 전달을 구현할 수 있습니다.

기타 스텝 및 스텝 조합 추가

Mech-Vision 2.2.0에는 여러 가지 기타 스텝 및 스텝 조합이 새로 추가되었습니다. 자세한 내용은 다음과 같습니다.

카테고리	명칭	소개
스텝	특징점으로 포즈 피팅	이 스텝은 대상 물체 위의 여러 실시간 특징점과 템플릿 특징점을 최적으로 피팅하여 대상 물체의 전체 최적 포즈를 계산함으로써, 변형 시나리오에서의 대상 물체 적응성을 높입니다.
광원	이 스텝은 광원 컨트롤러를 연결하고 구성하여 광원의 동작 모드와 출력 밝기를 제어하는 데 사용됩니다.
데이터를 파일에 저장	이 스텝은 데이터를 로컬 경로에 저장하는 데 사용됩니다.
논리 판단	이 스텝은 설정된 규칙에 따라 입력 데이터를 논리적으로 판단하고, 불리언 결과(True 또는 False)를 출력할 수 있습니다.
스텝 조합	포인트 클라우드 전처리	이 스텝 조합은 원시 포인트 클라우드에 대해 포인트 필터링, 포인트 클라우드 병합, 이미지 필터링 등의 전처리 작업을 수행하여 간섭 포인트 클라우드를 제거함으로써 후속 스텝의 처리 속도를 높일 수 있습니다.
최상층 대상 물체 포인트 클라우드 가져오기	이 스텝 조합은 다층 대상 물체의 포인트 클라우드에서 최상층 대상 물체 포인트 클라우드를 추출할 수 있습니다. 지정된 방향의 높이를 기준으로 포인트 클라우드를 필터링하여 하층 대상 물체 포인트 클라우드의 간섭을 제거합니다.
최상층 대상 물체 2D 이미지 가져오기	이 스텝 조합은 포인트 클라우드 정보를 통해 원본 이미지를 필터링하여 최상층 대상 물체만 포함된 2D 이미지를 추출하고, 배경 및 하층 대상 물체의 간섭을 효과적으로 제거합니다.
대상 물체 평면 부위 포인트 클라우드 가져오기	이 스텝 조합은 대상 물체의 평평한 면과 거리가 먼 포인트 클라우드를 제거하여 비교적 평탄한 평면 포인트 클라우드를 가져옵니다.
다차원 포즈 정렬(높이, 각도)	이 스텝 조합은 대상 물체의 높이와 각도를 기준으로 포즈를 다차원으로 정렬하여 피킹 순서를 최적화하고, 피킹 안정성과 성공률을 높입니다.
대상 물체의 각도와 위치가 요구 사항을 충족하는지 검증	이 스텝 조합은 기준 포즈를 참조하여 입력된 대상 물체 포즈와 기준 포즈 사이의 각도 및 위치 편차가 설정 임계값을 만족하는지 검증하고, 편차 한계를 초과한 대상 물체 포즈를 삭제합니다.
요소 개수 세기	이 스텝 조합은 입력 데이터의 요소(예: 포즈) 개수를 세어 후속 논리 판단에 사용됩니다.
대상 물체 좌표계 설정	이 스텝 조합은 세 개의 특징점(즉, 주 기준점, Y 방향 보조 기준점, XY 평면 보조 기준점)을 통해 대상 물체의 기준 좌표계를 설정하여, 대상 물체의 공간상 위치와 방향을 결정합니다.
포인트 클라우드를 현재 좌표계에서 지정 좌표계로 변환	이 스텝 조합은 포인트 클라우드를 카메라 또는 로봇 좌표계에서 사용자가 지정한 좌표계로 변환할 수 있습니다.

카테고리

명칭

소개

스텝

특징점으로 포즈 피팅

이 스텝은 대상 물체 위의 여러 실시간 특징점과 템플릿 특징점을 최적으로 피팅하여 대상 물체의 전체 최적 포즈를 계산함으로써, 변형 시나리오에서의 대상 물체 적응성을 높입니다.

광원

이 스텝은 광원 컨트롤러를 연결하고 구성하여 광원의 동작 모드와 출력 밝기를 제어하는 데 사용됩니다.

데이터를 파일에 저장

이 스텝은 데이터를 로컬 경로에 저장하는 데 사용됩니다.

논리 판단

이 스텝은 설정된 규칙에 따라 입력 데이터를 논리적으로 판단하고, 불리언 결과(True 또는 False)를 출력할 수 있습니다.

스텝 조합

포인트 클라우드 전처리

이 스텝 조합은 원시 포인트 클라우드에 대해 포인트 필터링, 포인트 클라우드 병합, 이미지 필터링 등의 전처리 작업을 수행하여 간섭 포인트 클라우드를 제거함으로써 후속 스텝의 처리 속도를 높일 수 있습니다.

최상층 대상 물체 포인트 클라우드 가져오기

이 스텝 조합은 다층 대상 물체의 포인트 클라우드에서 최상층 대상 물체 포인트 클라우드를 추출할 수 있습니다. 지정된 방향의 높이를 기준으로 포인트 클라우드를 필터링하여 하층 대상 물체 포인트 클라우드의 간섭을 제거합니다.

최상층 대상 물체 2D 이미지 가져오기

이 스텝 조합은 포인트 클라우드 정보를 통해 원본 이미지를 필터링하여 최상층 대상 물체만 포함된 2D 이미지를 추출하고, 배경 및 하층 대상 물체의 간섭을 효과적으로 제거합니다.

대상 물체 평면 부위 포인트 클라우드 가져오기

이 스텝 조합은 대상 물체의 평평한 면과 거리가 먼 포인트 클라우드를 제거하여 비교적 평탄한 평면 포인트 클라우드를 가져옵니다.

다차원 포즈 정렬(높이, 각도)

이 스텝 조합은 대상 물체의 높이와 각도를 기준으로 포즈를 다차원으로 정렬하여 피킹 순서를 최적화하고, 피킹 안정성과 성공률을 높입니다.

대상 물체의 각도와 위치가 요구 사항을 충족하는지 검증

이 스텝 조합은 기준 포즈를 참조하여 입력된 대상 물체 포즈와 기준 포즈 사이의 각도 및 위치 편차가 설정 임계값을 만족하는지 검증하고, 편차 한계를 초과한 대상 물체 포즈를 삭제합니다.

요소 개수 세기

이 스텝 조합은 입력 데이터의 요소(예: 포즈) 개수를 세어 후속 논리 판단에 사용됩니다.

대상 물체 좌표계 설정

이 스텝 조합은 세 개의 특징점(즉, 주 기준점, Y 방향 보조 기준점, XY 평면 보조 기준점)을 통해 대상 물체의 기준 좌표계를 설정하여, 대상 물체의 공간상 위치와 방향을 결정합니다.

포인트 클라우드를 현재 좌표계에서 지정 좌표계로 변환

이 스텝 조합은 포인트 클라우드를 카메라 또는 로봇 좌표계에서 사용자가 지정한 좌표계로 변환할 수 있습니다.

솔루션 전환 지원

Mech-Vision는 솔루션 전환 관리 기능을 지원하며, 수신한 솔루션 번호(ID)에 따라 솔루션을 자동으로 전환할 수 있습니다. 각 솔루션 전환 규칙은 솔루션 번호와 솔루션 경로의 매핑 관계를 정의합니다.

스텝 조합 잠금 지원

Mech-Vision 2.2.0은 스텝 조합 잠금 보호를 지원합니다. 스텝 조합이 잠기면 관리자가 아닌 사용자는 스텝 조합 내부로 들어가 스텝 로직을 확인하거나 수정할 수 없으며, 외부에 노출된 파라미터만 호출하고 조정할 수 있습니다.

Mech-Vision 2차 개발 기능 추가

Mech-Vision 2.2.0에는 Mech-Vision SDK 관련 문서와 인터페이스 기능이 새로 추가되어, 솔루션, 프로젝트, 스텝 등의 비전 기능을 클라이언트 애플리케이션에 통합할 수 있으며, C++, C#, Python 인터페이스를 제공합니다.

기능 최적화

사례 라이브러리 최적화

Mech-Vision 2.2.0에는 다음 사례가 추가되었습니다.

사례 카테고리	사례 명칭
교육 예제-3D 위치 지정	3D 궤적 생성, 의류 박스 피킹, 3D 빈 인식(표준 빈), 3D 빈 인식(기타 빈)
교육 예제-2D 위치 지정	2D 대상 물체 인식(위치 지정 피킹), 2D 대상 물체 인식(배치 보정)
교육 예제-딥 러닝	2D 대상 물체 인식(정보 판독), 2D 대상 물체 인식(오류 방지 검사)
일반 사례-무작위 대상 물체 피킹	자동차 판금 부품 공급
일반 사례-위치 지정 조립	이중 후크 공급, 복합 위치 지정 조립, 자동차 앞유리 조립

사례 카테고리

사례 명칭

교육 예제-3D 위치 지정

3D 궤적 생성, 의류 박스 피킹, 3D 빈 인식(표준 빈), 3D 빈 인식(기타 빈)

교육 예제-2D 위치 지정

2D 대상 물체 인식(위치 지정 피킹), 2D 대상 물체 인식(배치 보정)

교육 예제-딥 러닝

2D 대상 물체 인식(정보 판독), 2D 대상 물체 인식(오류 방지 검사)

일반 사례-무작위 대상 물체 피킹

자동차 판금 부품 공급

일반 사례-위치 지정 조립

이중 후크 공급, 복합 위치 지정 조립, 자동차 앞유리 조립

대상 물체 라이브러리의 피킹 유형 대상 물체 구성 프로세스 최적화

Mech-Vision 2.2.0은 대상 물체 라이브러리의 피킹 유형 대상 물체 구성 프로세스를 최적화했습니다. 자세한 내용은 다음과 같습니다.

대상 물체 구성 프로세스	최적화 내용
STL 파일 가져오기	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
카메라로 포인트 클라우드 획득	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다. 충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.
간단한 기하체 생성	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
티칭 후 포인트 클라우드 획득	피킹 포인트를 티칭할 때 배경 캡처를 지원합니다. ROI 설정 및 배경 제거 시 “배경만 제거” 옵션을 지원합니다. 포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 포인트 클라우드 템플릿을 편집할 때 STL 모델을 사용하여 포인트 클라우드 템플릿을 대체할 수 있습니다. 수동 보정 포즈 기능이 새로 추가되었습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다. 충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.
처리된 포인트 클라우드 가져오기-스텝으로 획득	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 포인트 클라우드 템플릿을 편집할 때 STL 모델을 사용하여 포인트 클라우드 템플릿을 대체할 수 있습니다. 수동 보정 포즈 기능이 새로 추가되었습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다. 충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.
처리된 포인트 클라우드 가져오기-수동 드래그	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다. 충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.
처리된 포인트 클라우드 가져오기-로봇 티칭	포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다. 피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다. 충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다. 충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

대상 물체 구성 프로세스

최적화 내용

STL 파일 가져오기

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.

카메라로 포인트 클라우드 획득

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

간단한 기하체 생성

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.

티칭 후 포인트 클라우드 획득

피킹 포인트를 티칭할 때 배경 캡처를 지원합니다.
ROI 설정 및 배경 제거 시 “배경만 제거” 옵션을 지원합니다.
포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
포인트 클라우드 템플릿을 편집할 때 STL 모델을 사용하여 포인트 클라우드 템플릿을 대체할 수 있습니다.
수동 보정 포즈 기능이 새로 추가되었습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

처리된 포인트 클라우드 가져오기-스텝으로 획득

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
포인트 클라우드 템플릿을 편집할 때 STL 모델을 사용하여 포인트 클라우드 템플릿을 대체할 수 있습니다.
수동 보정 포즈 기능이 새로 추가되었습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

처리된 포인트 클라우드 가져오기-수동 드래그

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

처리된 포인트 클라우드 가져오기-로봇 티칭

포인트 클라우드 템플릿을 편집할 때 포인트 클라우드 템플릿을 “원본 포인트 클라우드로 재설정”할 수 있습니다.
피킹 포인트를 설정할 때 도구가 더 이상 기본 피킹 포인트를 자동 생성하지 않습니다.
충돌 모델을 설정할 때 충돌 모델 표시 여부를 설정할 수 있습니다.
충돌 모델을 설정할 때 포인트 클라우드 템플릿을 기반으로 포인트 클라우드 직육면체를 생성할 수 있습니다.

고급 컴포넌트 유형 스텝 최적화

Mech-Vision 2.2.0은 고급 컴포넌트 유형 스텝을 최적화했습니다. 자세한 내용은 다음과 같습니다.

스텝	최적화 내용
3D 대상 물체 인식	“포인트 클라우드 전처리” 프로세스에서 최상층 포인트 클라우드 가져오기를 지원합니다.
포즈 조정 V2	스텝 파라미터에 “기본 전략 추가” 버튼이 추가되어, 새로운 기본 포즈 처리 전략을 생성할 수 있습니다. 구성 마법사가 최적화되었습니다. 포즈 조정 항목을 최적화하고 병합하여 사용 편의성을 높였습니다. 2D 포즈 정렬을 지원합니다. 최상층 포즈를 기준으로 포즈 필터링을 지원합니다.

스텝

최적화 내용

3D 대상 물체 인식

“포인트 클라우드 전처리” 프로세스에서 최상층 포인트 클라우드 가져오기를 지원합니다.

포즈 조정 V2

스텝 파라미터에 “기본 전략 추가” 버튼이 추가되어, 새로운 기본 포즈 처리 전략을 생성할 수 있습니다.
구성 마법사가 최적화되었습니다.
- 포즈 조정 항목을 최적화하고 병합하여 사용 편의성을 높였습니다.
- 2D 포즈 정렬을 지원합니다.
- 최상층 포즈를 기준으로 포즈 필터링을 지원합니다.

기타 스텝 최적화

스텝	최적화 내용
출력	궤적 유형 비전 결과와 빈 정보를 출력할 수 있습니다. 출력 유형이 “사용자 정의”일 때는 더 이상 충돌 감지 설정을 지원하지 않습니다. 출력 유형이 “피킹 유형 비전 결과”일 때 사용자 정의 포트 이름을 지원합니다. 파라미터 명칭이 최적화되었습니다.
3D 매칭	스텝의 파라미터 순서를 조정하여 스텝 사용 편의성을 높였습니다.
이미지 저장	비동기 저장을 지원합니다. “비동기 저장” 파라미터를 선택하면 저장이 백그라운드에서 비동기로 실행됩니다. 프로젝트의 실행 완료 상태는 더 이상 이 스텝의 실행 종료를 기다리지 않습니다.
대상 물체 피킹 전략 생성	스텝 이름이 “대상 물체 정보 가져오기”로 변경되었습니다. 더 이상 대상 물체 피킹 전략 생성 기능을 지원하지 않습니다.

스텝

최적화 내용

출력

궤적 유형 비전 결과와 빈 정보를 출력할 수 있습니다.
출력 유형이 “사용자 정의”일 때는 더 이상 충돌 감지 설정을 지원하지 않습니다.
출력 유형이 “피킹 유형 비전 결과”일 때 사용자 정의 포트 이름을 지원합니다.
파라미터 명칭이 최적화되었습니다.

3D 매칭

스텝의 파라미터 순서를 조정하여 스텝 사용 편의성을 높였습니다.

이미지 저장

비동기 저장을 지원합니다. “비동기 저장” 파라미터를 선택하면 저장이 백그라운드에서 비동기로 실행됩니다. 프로젝트의 실행 완료 상태는 더 이상 이 스텝의 실행 종료를 기다리지 않습니다.

대상 물체 피킹 전략 생성

스텝 이름이 “대상 물체 정보 가져오기”로 변경되었습니다.
더 이상 대상 물체 피킹 전략 생성 기능을 지원하지 않습니다.

스텝 라이브러리 최적화

Mech-Vision 2.2.0은 스텝 라이브러리를 최적화하여 일부 스텝의 이름을 조정하고 일부 스텝을 삭제했습니다. 자세한 내용은 다음과 같습니다.

일부 스텝 명칭 최적화

Mech-Vision 2.2.0은 다음 스텝의 이름을 최적화했습니다.

기존 명칭	새 명칭
대상 물체 피킹 전략 생성	대상 물체 정보 가져오기
필터링	불리언 값에 따라 데이터 필터링
임계값에 따라 수치를 이진 분류	수치가 임계값을 초과하는지 판단
물체 치수 읽기	대상 물체 치수 빠르게 생성
Cloud（XYZ-Normal）을 Cloud（XYZ-RGB）로 변환	법선이 있는 포인트 클라우드를 컬러 포인트 클라우드로 변환
두 Vector3D 간의 각도 계산	두 3차원 벡터 간 각도 계산
Vector3D의 외적 계산	3차원 벡터의 외적 계산
Vector3D의 내적 계산	3차원 벡터의 내적 계산
Vector3D의 길이 계산	3차원 벡터의 길이 계산
Vector3D의 단위 벡터 계산	3차원 벡터의 단위 벡터 계산
수치로 Vector3D 조합	수치로 3차원 벡터 조합
Vector3D를 수치로 분해	3차원 벡터를 수치로 분해

기존 명칭

새 명칭

대상 물체 피킹 전략 생성

대상 물체 정보 가져오기

필터링

불리언 값에 따라 데이터 필터링

임계값에 따라 수치를 이진 분류

수치가 임계값을 초과하는지 판단

물체 치수 읽기

대상 물체 치수 빠르게 생성

Cloud（XYZ-Normal）을 Cloud（XYZ-RGB）로 변환

법선이 있는 포인트 클라우드를 컬러 포인트 클라우드로 변환

두 Vector3D 간의 각도 계산

두 3차원 벡터 간 각도 계산

Vector3D의 외적 계산

3차원 벡터의 외적 계산

Vector3D의 내적 계산

3차원 벡터의 내적 계산

Vector3D의 길이 계산

3차원 벡터의 길이 계산

Vector3D의 단위 벡터 계산

3차원 벡터의 단위 벡터 계산

수치로 Vector3D 조합

수치로 3차원 벡터 조합

Vector3D를 수치로 분해

3차원 벡터를 수치로 분해

일부 스텝 삭제

Mech-Vision 2.2.0은 다음 스텝을 삭제했습니다.

삭제된 스텝	대체 가능 스텝
피킹 포인트 예측	임의 물체 피킹 V2
직선 검출 및 측정	직선 검출 및 피팅
직선 피팅	직선 검출 및 피팅
원 검출 및 측정	원 검출 및 피팅
원 피팅	원 검출 및 피팅
원 측정	원 검출 및 피팅
장공 검출 및 측정	장공 검출 및 피팅
원-원 거리 측정	특징 간 거리 측정
원-선분 거리 측정	특징 간 거리 측정
점-점 거리 측정	특징 간 거리 측정
점-선분 거리 측정	특징 간 거리 측정
점-원 거리 측정	특징 간 거리 측정
선분 간 거리 측정	특징 간 거리 측정
선분 간 각도 측정	선분 간 각도 측정
선분과 원의 교점 계산	선분 간 각도 측정
두 선분의 교점 계산	선분 간 각도 측정
2D 카메라	-
점-점 높이 차이 측정	-
점-기준선 높이 차이 측정	-
최장 선분 측정	-
캘리퍼 도구	-
꼭짓점 검출	-
원을 2D 포즈로 변환	-
스크린샷	-
이미지에서 정보 시각화	-

삭제된 스텝

대체 가능 스텝

피킹 포인트 예측

직선 검출 및 측정

직선 피팅

원 검출 및 측정

원 피팅

원 측정

장공 검출 및 측정

원-원 거리 측정

원-선분 거리 측정

점-점 거리 측정

점-선분 거리 측정

점-원 거리 측정

선분 간 거리 측정

선분 간 각도 측정

선분과 원의 교점 계산

선분 간 각도 측정

두 선분의 교점 계산

선분 간 각도 측정

2D 카메라

점-점 높이 차이 측정

점-기준선 높이 차이 측정

최장 선분 측정

캘리퍼 도구

꼭짓점 검출

원을 2D 포즈로 변환

스크린샷

이미지에서 정보 시각화

생산 인터페이스 구성 마법사 최적화

Mech-Vision 2.2.0은 생산 인터페이스 구성 마법사를 최적화했습니다. 자세한 내용은 다음과 같습니다.

실행 화면을 구성할 때 “2D 이미지 시각화” 실행 화면을 선택할 수 있어, 생산 인터페이스에서 2D 이미지 및 측정 결과를 표시할 수 있습니다.
일반 설정에서 데이터의 “저장 모드”, “하위 폴더 생성 방법”을 설정할 수 있습니다.

어댑터 생성기 최적화

Mech-Vision 2.2.0은 어댑터(Adapter) 생성기 기능을 최적화했습니다. 어댑터 생성기를 사용하여 Mech-Viz에서 로봇 이름을 가져올 때, 더 이상 Mech-Viz 프로젝트를 자동 로드로 설정할 필요가 없습니다.

3D 카메라 핸드-아이 캘리브레이션 최적화

Mech-Vision 2.2.0은 3D 카메라 핸드-아이 캘리브레이션 기능을 최적화하여, 이동 경로 설정 프로세스에서 캘리브레이션 보드/카메라의 플랜지 대비 오프셋 사용을 지원합니다. 이를 통해 회전 시 카메라 시야 내 변위를 줄여 캘리브레이션 보드가 항상 카메라 시야 범위 내에 있도록 보장합니다.

보조 도구 최적화

Mech-Vision 2.2.0은 일부 보조 도구를 최적화했습니다. 자세한 내용은 다음과 같습니다.

도구	최적화 내용
딥 러닝 모델 패키지 관리 도구	신속하게 위치 지정, 텍스트 검출, 텍스트 인식, 비지도 분할, 멀티 모델 패키지 등 더 많은 유형의 모델 패키지 관리를 지원합니다. 도구 인터페이스 레이아웃과 상호작용을 최적화하여 사용 경험을 향상시켰습니다.
파라미터 레시피	도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다.
데이터 저장	도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다. “저장 모드”, “하위 폴더 생성 방법”, “디스크 공간 경고 시 저장 규칙” 설정을 지원합니다.
장면 포인트 클라우드	도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다.

도구

최적화 내용

딥 러닝 모델 패키지 관리 도구

신속하게 위치 지정, 텍스트 검출, 텍스트 인식, 비지도 분할, 멀티 모델 패키지 등 더 많은 유형의 모델 패키지 관리를 지원합니다.
도구 인터페이스 레이아웃과 상호작용을 최적화하여 사용 경험을 향상시켰습니다.

파라미터 레시피

도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다.

데이터 저장

도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다.
“저장 모드”, “하위 폴더 생성 방법”, “디스크 공간 경고 시 저장 규칙” 설정을 지원합니다.

장면 포인트 클라우드

도구 인터페이스와 도구 진입점을 최적화하여 사용 경험을 향상시켰습니다.

포트 데이터 유형 명칭 및 기본 데이터 유형 차원 조정

Mech-Vision 2.2.0에서는 포트 데이터 유형의 명칭과 기본 데이터 유형 자체의 데이터 차원이 조정되었습니다.

문제 수정

Mech-Vision 2.2.0은 다음 문제를 수정했습니다.

프로젝트 또는 솔루션 이름을 변경할 때 이름 끝에 공백 두 개가 포함되어 있으면 정상적으로 저장되지 않을 수 있었습니다.
솔루션 저장 시 임시 솔루션 디렉터리 계층이 너무 깊으면 Windows 화면 깜빡임이 발생할 수 있었습니다.
솔루션을 열 때 여러 프로젝트가 동일한 카메라의 서로 다른 파라미터 그룹을 사용하는 경우, 낮은 확률로 파라미터 그룹이 잘못 수정되는 문제가 있었습니다.
표준 인터페이스를 사용해 프로젝트 실행을 트리거할 때, 낮은 확률로 프로젝트가 몇 초 지연된 후에야 실행이 시작되는 문제가 있었습니다.
로봇 통신 구성에서 로봇 모델을 전환하고 적용한 후 솔루션을 저장하지 않으면, 전환된 로봇 모델이 저장되지 않는 문제가 있었습니다.
생산 인터페이스 실행 중 낮은 확률로 소프트웨어가 충돌하는 문제가 있었습니다.
대상 물체 라이브러리의 “처리된 포인트 클라우드 가져오기-로봇 티칭” 프로세스에서 카메라에 내부/외부 파라미터가 없을 경우 대상 물체 라이브러리가 충돌할 수 있었습니다.
대상 물체 라이브러리의 “STL 파일 가져오기” 프로세스에서 모델 시점을 전환한 뒤 포인트 클라우드 생성 방식을 다시 전환하면, STL 파일을 기반으로 대상 물체 포인트 클라우드를 생성하지 못할 수 있었습니다.
연속 실행 중 “3D 매칭” 스텝이 간헐적으로 충돌하는 문제가 있었습니다.
“3D 매칭” 스텝에서 “표면 매칭 시 구멍 고려” 기능을 켠 후, 특정 데이터에서 OpenCV 오류가 발생할 수 있었습니다.
“출력” 스텝에서 포인트 클라우드 템플릿이 필요 없는 대상 물체의 픽 포인트 정보를 출력할 때 예외가 발생할 수 있었습니다.
“출력” 스텝에서 사용자 정의 포트 이름을 설정한 뒤 “사전 정의(비전 결과)”로 전환하고 “기타 입력”을 선택해도 “출력” 스텝에 해당 입력 포트가 새로 추가되지 않는 문제가 있었습니다.
“출력” 스텝의 포트 유형을 “사전 정의(비전 결과)”로 설정하고 “기타 입력”을 선택한 뒤 배열 피킹 포인트를 출력하면, Mech-Viz가 여러 개의 대상 물체 모델을 잘못 생성할 수 있었습니다.
여러 피킹 포인트가 동일한 대상 물체 중심점에 대응할 때, “출력” 스텝이 중복된 대상 물체 정보를 출력하는 문제가 있었습니다.
“이미지 읽기” 스텝을 처음 실행하기 전에 “읽기 모드”를 “단일 이미지 반복”으로 설정하면 이미지를 정상적으로 읽지 못하는 문제가 있었습니다.
“이미지 저장” 스텝으로 이미지를 저장할 때 시간이 오래 걸리는 문제가 있었습니다.
딥 러닝 모델 패키지 관리 도구를 열 때 소프트웨어가 응답하지 않는 문제가 있었습니다.
사용자 정의 알림 설정이 포함된 스텝 조합을 삭제한 뒤 사용자 정의 알림을 활성화하면 소프트웨어가 비정상 종료될 수 있었습니다.
사용자 정의 알림 기능을 켜거나 끈 뒤 설정이 적용되지 않는 문제가 있었습니다.