대상 물체-빈 분할

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.

기능 설명

이 스텝은 대상 물체-빈 분할 모델 패키지를 기반으로 입력된 깊이 이미지와 컬러 이미지에 대해 대상 물체과 빈을 분할하고, 대상 물체 마스크와 빈 마스크를 출력하며 시각화 결과를 제공합니다.

응용 시나리오

이 스텝은 대상 물체과 빈을 효과적으로 분리해야 하는 시나리오에 적합합니다. 일반적으로 앞단에는 카메라 취득 스텝이, 뒤단에는 포인트 클라우드 추출 스텝이 연결됩니다.

대상 물체-빈 분할 딥 러닝 모델 패키지는 다운로드 센터에서 받을 수 있습니다.

입력 및 출력

입력

입력 포트 데이터 유형 설명

카메라 깊이 이미지

Image/Depth

물체의 원본 깊이 이미지.

카메라 컬러 이미지

Image/Color

물체의 원본 컬러 이미지.

출력

출력 포트 데이터 유형 설명

시각화 출력

Image/Color

시각화 결과.

대상 물체 유무

Bool

입력 이미지의 대상 물체 검출 결과입니다. true는 대상 물체가 존재함을, false는 존재하지 않음을 의미합니다.

대상 물체 마스크 이미지

Image/Color/Mask

분할된 대상 물체 마스크 이미지.

빈 마스크 이미지

Image/Color/Mask

분할된 빈 마스크 이미지.

시스템 요구 사항

이 스텝을 사용할 때는 다음 시스템 요구 사항을 충족해야 합니다.

  • CPU: AVX2 명령어 집합을 지원해야 하며, 다음 조건 중 하나를 충족해야 합니다.

    • 독립 그래픽 카드가 없을 때: Intel i5-12400 이상。

    • 독립 그래픽 카드가 있을 때: Intel i7-6700 이상이며, 그래픽 카드는 GeForce GTX 1660 이상。

    Intel CPU에서 충분히 테스트되었으며, AMD CPU에서는 아직 테스트되지 않았습니다. Intel CPU 사용을 권장합니다.

  • GPU: GeForce GTX 1660 이상의 그래픽 카드를 사용해야 합니다(독립 그래픽 카드가 있는 경우).

파라미터 설명

모델 패키지 설정

파라미터 설명

모델 패키지 관리 도구

파라미터 설명: 이 파라미터는 딥 러닝 모델 패키지 관리 도구를 열고 딥 러닝 모델 패키지를 가져오는 데 사용됩니다. 모델 패키지 파일은 Mech-DLK에서 내보낸 “.dlkpack” 파일입니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구의 사용 방법은 딥 러닝 모델 패키지 관리 도구를 참조하십시오.

모델 패키지 이름

파라미터 설명: 딥 러닝 모델 패키지를 가져온 후, 이 파라미터로 해당 스텝에서 사용할 모델 패키지를 선택합니다.

조정 설명: 딥 러닝 모델 패키지 관리 도구를 사용하여 딥 러닝 모델을 가져온 후, 드롭다운 리스트에서 해당 모델 이름을 선택합니다.

모델 패키지를 전환한 후 원래 모델 패키지 해제

파라미터 설명: 모델 패키지를 전환할 때 원래 모델 패키지가 점유한 리소스를 즉시 해제할지 제어합니다.

기본값: 선택함.

조정 설명: 선택하면 스텝이 다른 모델 패키지로 전환될 때 시스템은 원래 모델 패키지가 다른 스텝에서 계속 사용 중이어도 해당 리소스를 즉시 해제합니다. 선택하지 않으면 원래 모델 패키지가 어떤 스텝에서도 더 이상 사용되지 않을 때만 자동으로 리소스를 해제합니다.

모델 패키지 유형

파라미터 설명: 모델 패키지 이름을 선택하면 자동으로 모델 패키지 유형이 채워집니다.

입력 이미지 배치 크기

파라미터 설명: 매번 추론 시 처리할 이미지 수입니다.

GPU ID

파라미터 설명: 이 파라미터는 모델 패키지 추론에 사용할 GPU 장치 ID를 지정하는 데 사용됩니다.

조정 설명: 모델 패키지 이름을 선택한 후, 이 파라미터의 드롭다운 목록에서 모델 패키지 추론에 사용할 GPU 장치 ID를 선택합니다.

사전 처리

파라미터 설명

ROI 파일

파라미터 설명: 이 파라미터는 입력 이미지의 ROI를 설정하거나 수정하는 데 사용됩니다.

조정 설명: 초기 상태에서는 기본 ROI가 이미 설정되어 있습니다. ROI 설정을 수정하려면 ROI 파일을 클릭한 다음, 팝업되는 ROI 설정 창에서 ROI를 편집하고 ROI 이름을 입력하십시오.

추론에 앞서 여기서 설정한 ROI가 Mech-DLK에서 설정한 ROI와 일치하는지 확인하시기 바랍니다. 일치하지 않으면 인식 결과에 영향을 줄 수 있습니다.

추론 중에는 일반적으로 모델 훈련 시 설정된 기본 ROI가 사용됩니다. 카메라 시야 내 물체의 위치가 변경되면, ROI를 조정해야 합니다.

기본 ROI를 다시 사용하려면, 편집기를 열기 버튼 아래의 ROI 파일 이름을 삭제하면 됩니다.

후처리

파라미터 설명

형태학 변환

파라미터 설명: 활성화하면 대상 물체 및 빈 분할 결과에 형태학 처리를 적용합니다.

기본값: 꺼짐。

형태학 변환 유형

파라미터 설명: 마스크의 형태학 후처리 방식을 선택하는 데 사용됩니다.

값 목록: 팽창, 침식

  • 팽창: 딥 러닝 마스크의 면적을 키우는 데 사용됩니다. 딥 러닝 마스크가 실제 대상 물체 또는 빈 영역보다 작을 때, 마스크로 추출한 포인트 클라우드에 누락이 발생할 수 있습니다(특히 가장자리 포인트 클라우드). 이때 팽창을 활성화하여 마스크 면적을 늘리면 추출된 포인트 클라우드의 누락을 피할 수 있습니다.

  • 침식: 딥 러닝 마스크의 면적을 줄이는 데 사용됩니다. 딥 러닝 마스크가 실제 대상 물체 또는 빈 영역보다 크거나 배경 노이즈를 포함할 때, 침식을 활성화하여 마스크 범위를 축소하면 비대상 영역의 포인트 클라우드 유입을 방지할 수 있습니다.

커널 크기

파라미터 설명: 형태학 변환의 커널 크기를 설정하는 데 사용되며, 커널이 클수록 효과가 강해집니다.

기본값: 3px

조정 권장: 실제 요구에 따라 커널 크기를 조정하십시오.

시각화 설정

파라미터 설명

이미지 위에 분할 마스크 그리기

파라미터 설명: 이미지 위에 분할 마스크를 겹쳐 표시합니다.

조정 설명: 선택하면 시각화가 활성화되며, 분할 마스크가 이미지 위에 직접 표시됩니다. 효과는 아래 그림과 같습니다.

visualization output

이 페이지가 도움이 되었습니까?

다음 방법을 통해 피드백을 보내주실 수 있습니다:

저희는 귀하의 개인정보를 소중히 다룹니다.

당사 웹사이트는 최상의 사용자 경험을 제공하기 위해 쿠키를 사용하고 있습니다. "모두 수락"을 클릭하시면 쿠키 사용에 동의하시는 것이며, "모두 거부"를 클릭하시면 이 웹사이트 방문 시 귀하의 정보가 추적되거나 기억되지 않도록 단일 쿠키만 사용됩니다.