Deep.I

Concept 이번 포스팅의 주제는 라이다 데이터 전처리 기법 #3, 변환 행렬 (Transformation matrix)를 이용한 라이다 PCD 변환입니다. 지상에서 수집되는 라이다는 수집되는 장치 또는 위치에 고정된 형태로 시스템이 구축된 상태에서 가동됩니다. 설치과정에서 축을 고정하게 되어 별도의 전처리가 필요하지 않지만, 예외인 경우가 있습니다. 대표적으로 드론 탑재 시스템이 있습니다. 3차원 축을 기준으로 움직이는 드론에 탑재된 라이다의 기준 축은 필연적으로 잡음이 섞이게 됩니다. 예측 필터로 그려지는 SLAM 모델링에서는 어느정도 잡음이 억제되지만, 순간순간의 PCD 프레임은 축이 기울거나 흔들릴 수 있습니다. 이럴때 간단하게 변환 행렬 (Transformation matrix)을 통해 축 변..

Concept 지난 포스팅에 이은 라이다 데이터 전처리 기법 #2, PCD Segmentation 알고리즘입니다. 일반적인 라이다는 360도 전 구간에서 데이터를 수집합니다. 모든 데이터가 필요하기도 하지만, 측면이나 후면에 부착된 도로 주행 분석 시스템에서는 불필요 데이터를 제거해야 합니다. 이를 위해 방사되는 각도에 따른 분할 알고리즘을 구현해보도록 하겠습니다. POST 1.라이다 데이터 전처리 [KITTI DATASET 활용하기] 2. 각도에 따라 라이다 데이터 분할하기 [Segmentation] 3. 변환 행렬을 이용하여 라이다 데이터 축 변환하기 [Transformation] 4. 복셀화를 이용한 LIDAR 라이다 PCD 데이터 압축 [Voxcelization] Algorithm (Polar C..

Concept 한동안 라이다 (LiDAR) 센서 관련 프로젝트를 하면서 PCD(Point Cloud Data) 데이터 분석 업무를 진행했었습니다. 관련 자료가 많이 없다보니 많이 힘들었었던 기억이납니다. PCD는 희소 데이터 특성을 갖는 3차원 공간 데이터이며 현재 다양한 산업 분야에서 활용되고 있습니다. 비록 테슬라는 다른 길을 걷고 있지만, 최근 제안되는 자율 주행 기술 관련 논문에서는 PCD 데이터를 위치 데이터로 활용하고 있으며 더 나아가 영상과 융합하여 탐지 성능을 향상시키고도 있습니다. 기업이나 연구소 수준에서는 자체 데이터를 이용하지만 저널이나 컨퍼런스에서는 오픈된 데이터로 검증하게 됩니다. 공개 데이터 중, 가장 유명한 데이터는 아마 KITTI-DATASET이 아닐까 싶습니다. 다양한 센서..