감지 결과는 잡기 포즈를 생성합니다

기능: 감지 결과를 픽 오브젝트 자세로 변환합니다. 딥 러닝 방법의 감지 결과를 포인트 클라우드 정보와 결합하여 픽 오브젝트 자세로 변환합니다. [cite: 6]

입력 매개변수:

이름 유형 유효 범위 기본값 의미

테스트 결과

DetectInstance

없음

{}

경계 상자, 범주, 점수 및 다각형을 반환합니다. [cite: 6]

상

Image

없음

없음

이미지, 입력은 회색조 또는 컬러일 수 있습니다. [cite: 6]

카메라 좌표계 포인트 클라우드

XYZPoints

없음

없음

포인트 클라우드. 내부 매개변수를 사용하여 변환되므로 카메라 좌표계의 포인트 클라우드여야 하며 이미지와 정렬하려면 정렬된 포인트 클라우드여야 합니다. [cite: 6]

카메라 내부 참조

Matrix

없음

없음

카메라 내부 매트릭스. [cite: 6]

카메라 왜곡

List

없음

없음

카메라 왜곡 계수 벡터. [cite: 6]

손 눈 보정 매트릭스

Matrix

없음

[[1. 0. 0. 0.] [0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.]]

손-눈 보정 행렬, 기본값은 단위 행렬입니다. [cite: 6]

출력 매개변수:

이름 유형 유효 범위 기본값 의미

위치 정보 잡기

PosesList

없음

[]

위치 정보 잡기. [cite: 6]

매개변수 설정:

이름 유형 유효 범위 기본값 의미

원 반경 척도

Float

[0, 1]

0.3

원 반지름 비율, 경계 상자의 짧은 변의 절반에 대한 상대적인 비율로, 깊이 계산을 위해 물체 표면 포인트 클라우드를 선택하는 데 사용됩니다. [cite: 6]

캡처 지점의 z 값 계산 방법

String

['평균', '중앙값']

평균

픽 포인트의 Z값은 일반적으로 평균을 사용하여 계산됩니다. 그러나 포인트 클라우드에 특이치가 많은 시나리오에서는 중앙값을 사용하면 특이치로 인한 부정확성을 피할 수 있습니다. [cite: 6]

테스트 결과 각도 사용

Bool

없음

False

활성화하면 감지 결과의 각도를 사용하여 결과 자세 회전을 계산합니다. 비활성화하면 감지 결과의 최소 경계 상자 긴 변에 해당하는 로봇 좌표계 포인트 클라우드와 좌표계 축 간의 각도 관계를 Rz 회전에 사용합니다. [cite: 6]