Region of Interest（感兴趣区域）
感兴趣区域 (ROI) 会移除用户定义感兴趣区域之外的点，从而缩短捕获时间。ROI 可以是 3D 中的框、相机的 z 值范围，或两者兼而有之。
如果应用程序只需要一部分视野而不是整个场景，那么ROI功能会很有用。例如，如果您想要检测料箱中的零件，相对于针对真个场景进行检测，您的检测算法可能会受益于搜索空间减少的料箱*内部*空间。
盒子定义的ROI
ROI 框过滤的好处
ROI 框过滤提供以下一种或多种优势：
- 减少捕获时间（相同点云质量）
需要传输、复制和处理的数据更少；通过以下一项或两项操作可以显著提高速度：
性能较低的 GPU (Intel/Jetson)
繁重的点云处理工作（Omni/Stripe、5MP 分辨率、多采集 HDR）
- 更好的点云质量（相同的捕获时间）
可以使用不同的设置；例如：
使用 Stripe/Omni 引擎代替 Phase
使用 Sampling::Pixel 实现更高分辨率
在 HDR 中添加更多采集
- 更便宜的 GPU（相同的捕获时间）
由于需要处理的数据较少，因此您可以使用诸如以下的硬件：
使用Intel/Jetson 代替 Nvidia 独立显卡
- 更便宜的网卡（相同的捕获时间）
由于需要传输的数据较少，您可能不会使网络饱和，从而可以使用例如：
1G 而非 2.5G/10G 网卡
2.5G 而非 10G 网卡
参数 RegionOfInterest::Box 允许将 ROI 设置为过滤框。 三个点（point） 定义了框的底面， 两个范围（extent） 定义了高度：
这三个点（
Box::PointO、Box::PointA、Box::PointB）在 3D 相机参考系中给出，并定义ROI框的基平面。系统会自动找到第四个点，将基平面绑定到坐标系中并完成矩形的设定。三点依次构成两个向量：点O是向量的原点。
点A定义了从原点生成的第一个向量。
点B定义了从原点生成的第二个向量。
两个范围（
Box::Extents）将基坐标系挤压成一个框。由点 O、点 A 和点 B 定义的向量 OA 和 OB 的叉积给出了范围（extent）的方向。因此，负范围（extent）将沿叉积的相反方向延伸。
ROI盒的示意图：三个点（O、A和B）定义了框的底部平面，并自动选择第四个点来完成矩形。然后可以向上 (+E2) 和向下 (-E1) 拉伸由四个点定义的有界平面以完成框的定义。
备注
ROI盒的基坐标系 没有 被限制为一个角垂直的矩形。因此可以定义一个平行四边形作为底面，并定义一个平行六面体的ROI盒。
小技巧
请遵循以下经验法则来选择三个定义点：
在任意的一个角落选择点O。
选择点A，使点B位于相对于点A 逆时针 方向的位置。
在点A逆时针方向的某个位置选择点B。
这样，范围（extents）将具有朝向相机的正方向。
表现
ROI 框过滤可以显著减少捕获时间。使用下表中的一个或多个组件时，大部分时间节省都集中在点云处理上。对于低曝光时间（~<3000 us）的设置，还可以节省额外的捕获时间。
节省时间 |
GPU |
Vision Engine |
Sampling::Pixel |
HDR |
|---|---|---|---|---|
显著的 |
低端英特尔和 Jetson |
Omni |
全分辨率 |
采集越多，节约的时间越多 |
中等的 |
高端英特尔和 Jetson |
Stripe |
2x2 subsampled |
|
最小的 |
Nvidia 独立显卡 |
Phase |
4x4 subsampled |
ROI 越小，捕获时间越短。与像素列较少的 ROI 相比，像素行较少的 ROI 的捕获速度稍快。
机器人拾取示例
这是一个使用低端PC（配备Nvidia MX 250笔记本 GPU 和 1G 网卡）进行大规模点云处理的例子，在此场景中 ROI 框区域过滤技术极为有益。
想象一下，一个机器人用固定安装的 Zivid 2+ M130 相机从 600 x 400 x 300 毫米的箱子中拾取物品。为了给机器人留出足够的空间，相机安装在距离箱子顶部 1700 毫米的位置，提供大约 1000 x 800 毫米的视场。当相机安装在这个距离时，大部分视场都在 ROI 之外，因此可以从每一侧裁剪约 20/25% 的像素列/行。从下表可以看出，使用 ROI 框过滤可以显著缩短捕获时间。
预设值 |
采集时间 |
捕获时间 |
||
|---|---|---|---|---|
未设置 ROI |
设置了 ROI |
未设置 ROI |
设置了 ROI |
|
Manufacturing Specular |
0.64 s |
0.64 s |
2.1 s |
1.0 s |
Consumer Goods Quality |
0.90 s |
0.88 s |
5.0 s |
3.0 s |
机器人引导/装配示例
这是一个使用低端PC（配备Nvidia MX 250笔记本 GPU 和 1G 网卡）进行大规模点云处理的例子，在此场景中 ROI 框区域过滤技术极为有益。
在某些机器人引导应用（如钻孔、焊接、涂胶）或装配应用（如插销入孔）中，相对于相机在成像距离下的视场（FOV），感兴趣的区域（ROI）可能非常小。在这种情况下，ROI 往往仅包含点云中 5-10% 的点，利用 ROI 框过滤可以大幅减少数据采集时间（见下表）。
预设值 |
采集时间 |
捕获时间 |
||
|---|---|---|---|---|
未设置 ROI |
设置了 ROI |
未设置 ROI |
设置了 ROI |
|
Manufacturing Specular |
0.65 s |
0.63 s |
1.3 s |
0.7 s |
Manufacturing Small Features |
0.70 s |
0.65 s |
5.0 s |
0.8 s |
深度范围定义的ROI
参数 RegionOfInterest::Depth 允许用户将 ROI 用作根据相机坐标系的一个 z 值范围来进行过滤，以下阈值范围内的点才会被保留：
最小深度阈值（
RegionOfInterest::Depth::minValue）最大深度阈值（
RegionOfInterest::Depth::maxValue）
如果场景的前方或后方有需要过滤的点，那么这种方式将会很有用。请注意，z值是基于相机参考系给出的，即垂直于相机方向进行过滤。因此，如果相机垂直安装在您要拍摄的物体上，效果最佳。
表现
ROI作为深度范围设置不会减少捕获时间。它是在后期处理阶段应用的，并且会增加几毫秒的捕获时间。然而，它是直接在GPU上应用的，因此可能比第三方实现更快。
ROI作为深度范围设置会在每次 3D 捕获中增加以下处理时间：
查看 感兴趣区域（ROI）的使用教程 以获得有关在您的应用中使用ROI的更深入的教程。
版本历史
SDK |
变更 |
|---|---|
2.12.0 |
ROI 框过滤现在可以减少捕获时间。 |
2.9.0 |
新增了ROI API。 |