预测抓取点 V2

功能描述

该步骤通过 2D 图与深度图识别被抓取物体,并输出相应抓取点。

注解

  • 使用该步骤时,需等待深度学习服务器启动成功,即日志栏出现“启动深度学习服务器成功”的信息后,再运行该步骤。

  • 首次运行该步骤前,需添加 抓取配置文件,加载需要一定时间,请耐心等待。

使用场景

该步骤用于分拣物品,常用于物流、商超与线缆等行业。该步骤用在 缩放 2D ROI 内的图像 之后,用于获取缩放后的深度图、点云及 ROI 信息。

输入与输出

../../../../../_images/input_and_output48.png

参数说明

服务端

服务端 IP
参数解释:该参数用于设置深度学习服务端的 IP 地址。
默认值:127.0.0.1
调节说明:根据实际需求设置该参数。
服务端 Port(1 ~ 65535)
参数解释:该参数用于设置深度学习服务的端口号。
默认值:60054
取值范围:60000~65535
调节说明:根据实际需求设置该参数。

抓取配置

抓取配置文件夹路径
参数解释:该参数用于设置抓取配置文件夹的路径。
调节说明:运行工程前需加载对应场景的 抓取配置文件夹 。本公司提供物流(语义分割)、物流(目标检测)、商超、线缆、药盒五种抓取配置文件夹,如下表所示,需联系梅卡曼德工程师获取。

使用场景

抓取配置文件夹

物流(语义分割)

Logistics_Seg_RGBSuction

物流(目标检测)

Logistics_OD_RGBSuction

商超

Supermarket_Seg_RGBSuction

线缆

Cable_Seg_RGBGrasp

药盒

MedicineBox_Instance_3DSize_RGBSuction

注解

抓取配置文件夹包含两个 JSON 文件与一个 model 文件夹,模型放置在 model 文件夹中。添加路径时,使用最外层文件夹即可;不可到 model 文件夹,否则会有报错。

路径举例说明:xxxx\Cable_Seg_RGBGrasp

提示

判断如何选择深度学习模型需要一定的深度学习知识,因此,使用时建议联系梅卡曼德技术工程师获取专业指导。

物流(语义分割)
物流(目标检测)
商超
线缆
药盒

注意

以上各场景中,使用模型时,推荐使用 GeForce GTX 10 系列,显存要求 4G 及以上。首次运行该步骤时,会根据显卡对模型进行优化,此过程耗时 15~35 分钟。