연결된 도메인 분할
기능 설명
이 연산자는 입력된 포인트 클라우드의 클러스터링 분할에 사용됩니다. 공간적으로 충분히 가까운 점들을 독립적인 포인트 클라우드 클러스터로 그룹화합니다. 두 점 사이의 거리가 설정된 "연결 거리 임계값"보다 작으면 동일한 연결 구성 요소(즉, 동일한 클러스터)에 속하는 것으로 간주됩니다. 마지막으로 포인트 클라우드 목록을 출력하며, 목록의 각 포인트 클라우드는 분할된 클러스터를 나타냅니다.
사용 시나리오
-
인스턴스 분할: 장면에서 서로 분리된 객체를 독립적인 포인트 클라우드 클러스터로 분할합니다.
-
노이즈 제거: 점 개수가 너무 적어 노이즈일 가능성이 있는 포인트 클라우드 클러스터를 필터링할 수 있습니다.
-
포인트 클라우드 전처리: 객체 인식, 자세 추정 등의 작업을 수행하기 전에 원본 포인트 클라우드를 의미 있는 단위로 분할하여 후속 처리를 단순화합니다.
매개변수 설명
|
이 연산자에는 두 가지 버전이 있습니다:
두 버전 모두 기능과 매개변수가 동일하며 처리하는 포인트 클라우드 데이터 유형만 다릅니다. |
|
연결 거리 임계값
매개변수 설명 |
점과 점 사이가 "연결됨"으로 간주되는 최대 거리를 정의합니다. 두 점 사이의 거리가 이 임계값보다 크면 확실히 같은 클러스터에 속하지 않습니다. |
튜닝 설명 |
|
매개변수 범위 |
[0.0001, 1000], 기본값: 10 |
최소 포인트 클러스터링
매개변수 설명 |
클러스터당 최소 포인트 클라우드 포인트 수. |
튜닝 설명 |
너무 작은 포인트 클라우드 클러스터를 필터링하는 데 사용됩니다. 이러한 작은 클러스터는 일반적으로 노이즈 또는 불완전한 객체 부분입니다. 이 값을 늘리면 더 많은 작은 클러스터(노이즈)를 제거할 수 있지만 너무 높게 설정하면 크기가 작은 유효한 객체가 필터링될 수 있습니다. |
매개변수 범위 |
[1, 4000000], 기본값: 100 |
최대 포인트 클러스터링
매개변수 설명 |
클러스터당 최대 포인트 클라우드 포인트 수. |
튜닝 설명 |
너무 큰 포인트 클라우드 클러스터를 필터링하는 데 사용됩니다. 예를 들어 배경이나 바닥이 실수로 매우 큰 클러스터로 클러스터링된 경우 이 매개변수를 통해 제거할 수 있는 일부 시나리오에서 유용할 수 있습니다. 일반적으로 매우 큰 포인트 클라우드 클러스터를 필터링할 필요가 명확하지 않은 경우 기본값(매우 큰 수)으로 충분합니다. |
매개변수 범위 |
[1, 4000000], 기본값: 4000000 |
정렬을 활성화하다
매개변수 설명 |
최종 출력 포인트 클라우드 클러스터 목록을 포인트 수에 따라 가장 큰 것부터 가장 작은 것 순으로 정렬할지 여부를 결정합니다. |
튜닝 설명 |
|