方案使用进阶
本节将从进阶角度介绍电芯上料方案，对轴棒识别的过程进行详细讲解。轴棒识别过程中涉及两个主要的工程，分别为“Vis_Battery_Cell_Recognition”、“Vis_Determine_Battery_Cell_Polarity”，本节将分别对两个工程进行流程概述和步骤详解。
工程一：Vis_Battery_Cell_Recognition
步骤详解
点云预处理
-
功能说明：
该步骤组合可去除干扰点云，为后续电芯及泡棉托盘点云计算做准备。
-
需调整的参数：
参数 参数解释 调节说明 调节效果 3D ROI
该参数用于设置 3D 感兴趣区域，使需要参与计算的点云被包含在该区域内，防止无关点云参与计算。
3D ROI 内需包含整垛电芯的最高层和最低层，以确保能够兼容来料有偏差的情况。同时需去除其他干扰点云。
-
内部重点步骤介绍：
步骤 功能说明 参数调节说明 处理结果 将深度图转换为点云
该步骤可将相机获取的深度图转化为点云，转换后的点云中包含更加丰富和准确的几何信息，用于后续数据处理。
无需进行参数调整。
点云降采样
该步骤可以一定的间隔对点云进行采样，降低点云密度，提高后续步骤的运行速度，提升视觉节拍。
采样间隔越大，点云越稀疏，计算速度越快，但准确性可能会降低。
点过滤
该步骤可根据点云法向，去除侧面的点云。
-
参考方向：选择机器人坐标系 Z 轴方向，或选择相机坐标系方向。
-
角度阈值设置：点云法向与参考方向之间的夹角，夹角不在该范围内的点云（右图中红色点云）会被过滤。
点云聚类
该步骤可区分泡棉托盘点云、电芯点云，同时滤除部分杂点。
-
输出类中相邻点最大距离：通过点与点之间的距离对点云分类，当点云间距小于该值时，被判断为同类点云，反之被判断为不同类点云，并以不同颜色区分。
-
类的最小点数&类的最大点数：点云聚类后，当一块点云中的点数小于“类的最小点数”或大于“类的最大点数”时，将被过滤，点数位于该区间的点云将被保留。
-
电芯抓取位姿计算
-
功能说明：
该步骤组合可通过单排电芯点云计算平面点云位姿，得到单排电芯的抓取点。
-
需调整的参数：
参数 参数解释 调节说明 调节效果 电芯露出托盘高度
通过调整该参数，该步骤可准确获取最上层电芯及泡棉托盘点云，用于后续计算。
该参数值允许存在一定波动，不影响视觉结果。
-
内部重点步骤介绍：
步骤 功能说明 处理结果 判断是否为空托盘（步骤组合）
该步骤组合可分离电芯点云与泡棉托盘点云，并判断托盘上是否有电芯。如果有电芯，输出电芯点云；如果没有电芯，输出泡棉托盘抓取点。
根据点云尺寸进行分类
该步骤可根据点云尺寸对电芯点云和泡棉托盘点云进行分类。尺寸由“读取物体尺寸”步骤进行输入。
判断电芯方向（步骤组合）
该步骤组合可通过判断电芯在相机视野中的摆放方式，分别输出对应的单排电芯点云。如右图所示，为从竖向电芯点云中提取的单排电芯点云。
计算单个电芯长短边（步骤组合）
该步骤组合可提取单个完整电芯点云，计算在相机坐标系下该点云的长短边，并判断电芯方向，然后根据计算结果提取单排电芯点云。
-
计算电芯抓取点（步骤组合）
该步骤组合可通过单排电芯点云，计算平面点云位姿，得到电芯抓取点。
电芯高度差及数量检测
-
功能说明：
该步骤组合可判断电芯在托盘内的高度是否不一致，并判断是否存在缺料情况，如果存在异常，则输出报警信息。
-
需调整的参数：
参数 参数解释 调节说明 调节效果 单排电芯数量
通过设置该参数，该步骤组合可判断电芯是否存在缺料的情况，如果缺料，则输出报警信息。
根据实际需求设置该参数。如右图所示，分别为满料时的标签信息和缺料时的标签信息。
-
内部重点步骤介绍：
步骤 功能说明 处理结果 判断高度差是否异常（步骤组合）
该步骤组合可分别计算单排每个电芯的位姿，然后根据位姿高度，判断是否有异常，并输出判断结果，即布尔值。
判断电芯数量（步骤组合）
该步骤组合可根据点云判断电芯数量是否正确，如果不正确，则输出报警信息。
工程二：Vis_Determine_Battery_Cell_Polarity
流程概览
在“Vis_Battery_Cell_Recognition”工程中，通过计算单个电芯平面点云得到电芯尺寸后，利用深度学习对电芯表面二维码标志位置识别，判断电芯正负极方向。整体流程如下图所示。
步骤详解
点云预处理
-
功能说明：
该步骤组合可去除干扰点云，提取完整的单个电芯点云，为后续的尺寸计算做准备。
-
需调整的参数：
参数 参数解释 调节说明 调节效果 3D ROI
该参数用于设置 3D 感兴趣区域，使需要参与计算的点云被包含在该区域内，防止无关点云参与计算。
3D ROI 内需包含整垛电芯的最高层和最低层，以确保能够兼容来料有偏差的情况。同时需去除其他干扰点云。
-
内部重点步骤介绍：
步骤 功能说明 处理结果 将深度图转换为点云
该步骤可将相机获取的深度图转化为点云，转换后的点云中包含更加丰富和准确的几何信息，用于后续数据处理。
深度学习获取电芯图像（步骤组合）
该步骤组合可通过深度学习从相机获取到的 2D 图中提取电芯图像，方便后续识别二维码。
提取掩膜中对应的点云
该步骤可通过深度学习掩膜，提取单个电芯点云，避免无关点云影响后续计算。
判断电芯尺寸
-
功能说明：
该步骤组合可根据点云数量选择最完整的单个电芯点云，然后计算得到电芯的尺寸，并转化为位姿数据。
-
需调整的参数：
无需调整参数，绝大多数场景下可使用默认参数。
-
内部重点步骤介绍：
步骤 功能说明 参数调节说明 处理结果 点云降采样
该步骤可以一定的间隔对点云进行采样，降低点云密度，提高后续步骤的运行速度，提升视觉节拍。
采样间隔越大，点云越稀疏，计算速度越快，但准确性可能会降低。
获取最高层电芯点云（步骤组合）
该步骤组合可去除影响计算的杂点，并获取电芯点云，用于后续计算。
无需进行参数调整。
筛选电芯点云（步骤组合）
该步骤组合可根据单个电芯的点云数量，筛选最完整的电芯点云，用于后续尺寸计算。
无需进行参数调整。
将尺寸转换为位姿（步骤组合）
该步骤组合可将计算得到的电芯尺寸转换为位姿，方便后续数据处理。
无需进行参数调整。
检测正负极方向
-
功能说明：
该步骤组合可通过深度学习识别电芯二维码，计算二维码在电芯图像中的位置，从而判断电芯正负极方向。具体说明如下。
-
根据二维码位置与电芯 2D 图中心的位置关系，判断电芯正负极方向，输出“up”、“down”、“right”、“left”四种标签，代表二维码位于电芯图像的“上”、“下”、“左”、“右”四个方位。
-
利用标签映射功能，将四种标签映射为两种标签。如：“up”和”left“映射为“11”，“down”和“right”映射为“12”。标签“11”代表机器人根据电芯的抓取点正常抓取，标签“12”代表机器人需要旋转 180° 后进行抓取。
如果同一排电芯的识别结果中，出现方向不统一的结果，则输出标签“13”。
如果识别电芯正负极时拍照点随电芯横竖方向变化，则只需输出“上”、“下”两种标签。
-
-
需调整的参数：
无需调整参数，绝大多数场景下可使用默认参数。
-
内部重点步骤介绍：
步骤 功能说明 处理结果 深度学习模型包推理
该步骤可通过深度学习识别电芯上表面二维码，用于后续计算。
计算图像中心（步骤组合）
该步骤组合可计算电芯 2D 图中心，用于后续和二维码图像中心作对比，从而确定二维码位置。
使用Python计算结果
该步骤可通过 Python 脚本对比电芯 2D 图中心和二维码图像中心，通过对比结果确定电芯正负极方向。
