포인트 클라우드와 픽 포인트에 관한 소개

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 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

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.