Ch01. LiDAR Data Processing - 1) 3D 비전, LiDAR 센서, Point cloud

Ch01.  LiDAR Data Processing

 

<목차>

0. Introduction: 컴퓨터 비전 vs 3차원 비전

1-1. LiDAR 센서의 종류 및 데이터 취득 방식

1-2. 포인트 클라우드의 특징

 

1-3. 테스트를 위한 ROS 환경구성

1-4. 자율주행실습을 위한 오픈라이다 데이터셋소개

 

1-5. 포인트 클라우드 처리 방법 구현을 위한 Open3D사용법

1-6. 포인트 클라우드 시각화 및 편집툴CloudCompare 사용법

1-7. LiDAR 데이터 학습을 위한 레이블링 툴 소개

 

 

0. Introduction: 3차원 비전이란?

• 컴퓨터 비전 vs 3차원 비전

Perception 파트에서 2차원 이미지를 통해서 객체 검출, 얼굴 인식 등의 알고리즘을 공부했다. 

컴퓨터 비전의 특징은 앞과 같이 입력이 2차원의 이미지라는 것이다. 

 

이와 달리 3차원 데이터를 직접적으로 활용하여 이 데이터에 대한 이해와 분석을 하는 분야를 3차원 비전이라고 한다.

 

 

• 3차원 비전 데이터 취득 방법

3차원 데이터를 취득하기 위한 방법은 다음과 같다.

1) 다시점 기하학: 여러 장의 2차원 이미지를 활용 2차원 이미지에서 3차원 값을 얻는다.

2) 깊이 카메라: 깊이 카메라를 통해 z 값 센싱 RGB 뿐만 아니라 깊이 정보를 취득

3) 라이다 센서: 레이저 기반 스캐닝 방식으로 3차원 데이터를 직접적으로 취득하는 방식

 

라이더 센서의 경우 출력값이 주로 Point cloud의 형식으로 나오게 된다. 이를 다루는 방법에 대해 공부할 것이다.

 

---

 

1-1. LiDAR 센서의 종류 및 데이터 취득 방식

• LiDAR란?

직진성이 강한 Pulse laser를 높은 밀도로 쏘아 이 레이저가 목표 개체에 닿은 뒤, 돌아오는 지연 시간을 분석하여 물체까지의 거리를 측정하는 방식의 센서.

 

 

1-2. 포인트 클라우드의 특징

 

표현법이 간결하기에 연산 속도가 빠르다.

 

shape를 알기 위한 좌표 뿐 아니라  색상을 위한 RGB값, 표면을 표현하기 위한 포인트의 노말 벡터 등으로 일반적으로 구성된다. 추가적인 정보가 필요할 때 다른 값을 포함할 수도 수도 있다

 

픽셀은 정형화된 배열에서 정형화된 순서를 가지지만, 포인터 클라우드는 순서 자체가 없다.

point가 위치와 상관 없이 무작위로 저장된다.