포인트 클라우드와 픽 포인트에 관한 소개

현재 최신 버전 (2.1.2)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 모델을 생성하고 픽 포인트를 추가하는 방법을 알아보기 전에 포인트 클라우드 모델과 픽 포인트가 무엇이고, 매칭 프로세스에서 어떤 역할을 하는지 이해해야 합니다.

포인트 클라우드 모델

매칭 프로세스에서 포인트 클라우드 모델은 대상 물체의 모양, 구조 및 특징을 반영하는 미리 정의된 포인트 클라우드를 말합니다. 입력된 포인트 클라우드와 매칭하고, 최상의 대응 관계를 찾고, 궁극적으로 대상 물체를 식별하는 데 사용됩니다.

아래 그림에 표시된 것처럼, 포인트 클라우드 모델과 인식 대상 물체를 매칭하여 물체를 인식할 수 있습니다.

how to match

포인트 클라우드 모델은 물체의 전체 특징을 나타낼 수도 있고 일부만 나타낼 수도 있습니다. 매칭의 효율성을 보장하기 위해 포인트 클라우드는 다음 요구 사항을 충족해야 합니다.

  • 포인트 클라우드 모델은 충분한 수의 포인트를 가져야 하며, 매칭 속도를 보장하기 위해 균등하게 분포되어야 합니다.

  • 포인트 클라우드 모델은 매칭 중에 정확한 인식을 보장하기 위해 대상 물체의 대표적인 특징을 반영해야 합니다.

  • 매칭의 안정성과 정확성을 보장하기 위해 포인트 클라우드 모델에는 간섭을 주는 포인트 클라우드를 포함해서는 안 됩니다.

픽 포인트

픽 포인트는 물체에서 로봇이 피킹할 수 있는 위치입니다. 픽 포인트는 물체 기준 좌표계에서 정의됩니다. 위치와 방향은 대상 물체에 상대적입니다.

하나의 대상 물체에는 여러 개의 픽 포인트가 있을 수 있습니다. 아래 그림과 같이 픽 포인트를 대상 물체 포인트 클라우드 내부, 표면 또는 근처에 설정할 수 있습니다.

pick point

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.