预测抓取点V2
使用场景
该步骤通常用于分拣散乱堆叠的不同物品。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。
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。
推理设置
- 推理模式
-
参数解释：用于选择深度学习推理的模式。
值列表：GPU、CPU
-
GPU：使用 GPU 推理前先对模型进行优化，然后对优化后的模型进行推理，推理速度较快。首次对模型进行优化时，需耗时 10~30 分钟。
-
CPU：使用 CPU 进行深度学习模型推理，与 GPU 相比，推理时间会增加，且识别精度会有所降低。
默认值：GPU。
调节说明：推理速度：GPU>CPU。切换推理模式后，需重启深度学习服务器。
-
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。设置抓取配置文件夹路径后，该步骤将根据不同的抓取配置文件夹来生成不同的输入、输出端口。
调节说明：根据实际需求设置抓取配置文件夹。本公司提供药盒抓取配置文件夹，如下表所示。
使用场景 抓取配置文件夹 获取方式 参数说明 药盒
MedicineBox_Instance_3DSize_RGBSuction
抓取配置文件夹可随案例库“盒状物”方案一同下载。
抓取配置文件夹包含两个 JSON 文件与一个 model 文件夹，深度学习模型位于 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：D:/ConfigurationFiles/MedicineBox_Instance_3DSize_RGBSuction