DL Object Finder 检测流程高级配置

本章会详细介绍如何优化 DL Object Finder 检测流程，以及它所提供的高级检测配置。

如何优化

当您使用DL Key Point检测流程无法正确检测物体时，您可以检查以下几点

检查2D匹配结果
检查您的深度学习模型是否能够正确的检测到物体

使用快速检测功能，向下滚动页面，然后观察2D匹配是否准确:
1. 检查红色的边缘是否能够完好的和白色掩码匹配，如果红色的边缘无法很好的匹配白色的掩码请参考第三步：调试高级参数
2. 检查白色的物体掩码是否符合物体的实际位置，白色的物体掩码是深度学习给出的结果。如果深度学习检测失败，请参考深度学习优化
检查您的点云质量
检查是否有点云缺失，是否有点云噪声，导致对齐点云时出现严重偏差, 使用快速检测功能，观察点云是否有缺失，或者噪点。如果点云质量偏差，请参考相机配置优化
优化模型
当红色边缘无法很好的匹配到白色轮廓时，请检查以下几点:
1. 2D 模型的参照点是否在物体掩码区域中心
  2D 模型的参照点应当在深度学习给出的掩码中心，这样2D匹配才是最准的。
2. 2D 模型的边缘是否存在噪点
  擦去任何2D边缘模型中，不属于目标物体的边缘。只保留物体上固有的边缘，如果一个边缘不是每次检测都会固定出现在物体上，那么这个边缘也应该被擦除。
调试高级参数

如果两个挨着的物体无法正确的匹配，或者只有其中一个能够被匹配，那么可以适当的提高，重叠模型接受度

高级检测配置

模型的高级参数

在定义和优化模型中，可以调整2D模型的高级参数，以获得更好的匹配结果。

2D 预处理

增强对比度：
使用CLAHE操作增强图片的对比度，使边缘更清晰可见。

平滑度：
使用高斯滤波使图像以及边缘变得平滑，在此过程中也会去除一些高斯噪点。

细节等级：
2D 边缘提取的细节等级，更高的细节等级会提取更多边缘，但是也会产生更多噪点。

去噪：
去除边缘提取中短小的边缘，更高的去噪设置会去除面积更大的噪点。

2D 后处理

2D模型大小:
调整模型大小并按比例调整图像。较小的模型将加载更快，但可能会降低准确性。

缩放模型以匹配大小:
勾选启用后，会使用缩放、放大后的模型进行匹配例如：模型大小范围为0.8-1.2。由于缩放步骤固定为0.1，因此将按0.8、0.9、1、1.1、1.2缩放模型，并使用缩放后的模型进行匹配。

2D匹配

图像中要检测的物体数量:
每个深度学习给出的掩码中，2D匹配的最大返回结果数。通常设置为1。

2D搜索接受度：
2D匹配的接受度，更高的接受度会返回更少但是更准的匹配结果，任何匹配结果的匹配度不满足于接受度的，都会被过滤掉。

重叠模型接受度
当两个物体接近时，边缘会发生重叠，则只有其中一个能够被匹配到。那么如果设置的模型重叠接受度高，那么两个物体都会被匹配到。如果接受度低，则只有其中一个会被匹配到。