유클리드 클러스터 포인트 클라우드 세분화
기능 설명
이 연산자는 점들 사이의 유클리드 거리를 기반으로 입력 포인트 클라우드에 대한 클러스터링 분할을 수행합니다. 공간적으로 서로 가까운 점들을 독립적인 클러스터로 집계합니다. 한 점과 기존 클러스터의 임의의 점 사이의 거리가 설정된 "검색 반경"보다 작거나 반경 내의 점에 연결될 수 있는 경우 해당 점은 해당 클러스터에 할당됩니다. 연산자는 마지막으로 포인트 클라우드 목록을 출력하며, 목록의 각 포인트 클라우드는 분할된 클러스터를 나타냅니다.
사용 시나리오
-
인스턴스 분할: 장면에서 물리적으로 분리된 객체를 독립적인 포인트 클라우드 클러스터로 분할합니다. 예를 들어 컨베이어 벨트의 여러 부품 또는 테이블의 여러 컵을 분할합니다.
-
노이즈 제거: "최소 포인트 클러스터링"을 설정하여 점 개수가 너무 적어 배경 노이즈 또는 센서 오류로 인해 발생했을 가능성이 있는 포인트 클라우드 클러스터를 효과적으로 필터링할 수 있습니다.
-
포인트 클라우드 전처리: 객체 인식, 자세 추정 등의 작업을 수행하기 전에 원본 포인트 클라우드 또는 ROI 내의 포인트 클라우드를 다른 객체를 나타내는 단위로 분할합니다.
-
기능은 "연결된 도메인 분할" 연산자와 매우 유사하며, 일반적으로 둘 다 공간적 근접성을 활용하여 클러스터링합니다.
매개변수 설명
이 연산자에는 두 가지 버전이 있습니다:
두 버전 모두 핵심 기능과 매개변수가 동일하며 처리하는 포인트 클라우드 데이터 유형만 다릅니다. |
검색 반경
매개변수 설명 |
클러스터링 프로세스 중에 점을 클러스터에 추가하기 위한 최대 거리 임계값을 정의합니다. 이는 또한 인접 점을 찾을 때의 검색 반경이기도 합니다. |
튜닝 설명 |
|
매개변수 범위 |
[0, 200], 기본값: 5, 단위: mm |
최소 포인트 클러스터링
매개변수 설명 |
클러스터당 최소 포인트 클라우드 포인트 수. |
튜닝 설명 |
너무 작은 포인트 클라우드 클러스터를 필터링하는 데 사용됩니다. 이 값을 늘리면 더 많은 작은 클러스터(일반적으로 노이즈로 간주됨)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. 배경이나 바닥과 같은 매우 큰 클러스터링 결과를 제외해야 하는 시나리오에 적용할 수 있습니다. 일반적으로 특별한 필요가 없는 한 기본값(매우 큰 수)으로 충분합니다. |
매개변수 범위 |
[1, 4000000], 기본값: 4000000 |
모든 결과를 유지하다
매개변수 설명 |
각 입력 포인트 클라우드에 대해 모든 분할 결과를 출력할지 여부, false인 경우 지정된 수의 결과가 유지됩니다. |
튜닝 설명 |
|
보존 결과 수
매개변수 설명 |
"모든 결과를 유지하다"가 비활성화로 설정된 경우에 적용됩니다. 유지할 포인트 수가 가장 많은 클러스터의 수를 지정합니다. |
튜닝 설명 |
연산자는 먼저 모든 분할 결과를 포인트 클라우드 수에 따라 가장 큰 것부터 가장 작은 것 순으로 정렬합니다. 이 매개변수가 N으로 설정되면 정렬 후 상위 N개 포인트 클라우드 클러스터만 출력됩니다. 예를 들어 1로 설정하면 포인트 수가 가장 많은 클러스터만 출력됩니다. |
매개변수 범위 |
[1, 1000], 기본값: 1 |