预测抓取点V2

您正在查看旧版本的文档。点击页面右上角可切换到最新版本的文档。

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。

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

cable parameters input and output

使用前提

显卡要求

使用该步骤时,应使用 NVIDIA GTX 1650 Ti 及以上的显卡。

使用须知

  • 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,需在步骤参数处设置抓取配置文件夹

  • 首次运行该步骤时,步骤会根据显卡对模型进行优化,此过程耗时 10~30 分钟(具体耗时视电脑配置而定),请耐心等待。当模型优化完成后,步骤运行时间将大大缩短。

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、线缆和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

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

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)

请参见 物流(语义分割)场景参数调节

物流(目标检测)

请参见 物流(目标检测)场景参数调节

商超

请参见 商超场景参数调节

线缆

请参见 线缆场景参数调节

药盒

请参见 药盒场景参数调节

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 10~30 分钟。

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。