Dogun Kim

Ch03. Point cloud matching 3-1. Point cloud 매칭 및 활용 분야3-2. Point cloud 특징 추출 방법3-3. 고전적인 Point cloud 매칭 방법론, 실습3-4. 딥러닝 기반 Point cloud 매칭 - RPM-Net3-5. TEASER 라이브러리를 통한 Point cloud 정합3-6. Point cloud 매칭을 활용한 Place recognition-PointNetVLAD   3-3. 고전적인 Point cloud 매칭 방법론, 실습고전적인 방법들이 뒤에서 배울 딥러닝에 비해 효율이 많이 떨어지는 건 맞지만.. 기본적인 라이브러리에서 쉽게 함수를 불러올 수 있기에 급하게 정합이 필요할 때 정도 사용할 수 있다.. 그냥 여기서 파생해서 어떤 방법들을 사용..

Ch03. Point cloud matching 3-1. Point cloud 매칭 및 활용 분야3-2. Point cloud 특징 추출 방법3-3. 고전적인 Point cloud 매칭 방법론, 실습3-4. 딥러닝 기반 Point cloud 매칭 - RPM-Net3-5. TEASER 라이브러리를 통한 Point cloud 정합3-6. Point cloud 매칭을 활용한 Place recognition-PointNetVLAD 3-2. Point cloud 특징 추출 방법 Point cloud 특징 추출 방법론이미지에서 feature를 추출하는 것 처럼 Point cloud에서도 feature를 추출할 수 있다. 이에 대해 알아볼 것이다. 1) Harris corner 3D보통 컴퓨터 비전에서 corner ..

Ch03. Point cloud matching 3-1. Point cloud 매칭 및 활용 분야3-2. Point cloud 특징 추출 방법3-3. 고전적인 Point cloud 매칭 방법론, 실습3-4. 딥러닝 기반 Point cloud 매칭 - RPM-Net3-5. TEASER 라이브러리를 통한 Point cloud 정합3-6. Point cloud 매칭을 활용한 Place recognition-PointNetVLAD 3-1. Point cloud 매칭 및 정합포인트 클라우드 매칭 두 포인트 클라우드의 correspondences를 찾는 문제. 이를 통해 정합 등의 문제를 풀 수 있다Scan matching이나 scan registration에서 동일한 reference frame을 보았을 때, 각..

보호되어 있는 글입니다.

Ch 02. Point Cloud Processing Backbone 2-1. PointNet2-2. PointNet++ 2-3. Graph Convolutional Network2-4. Dynamic Graph CNN 2-5. Kernel Point Convolution https://arxiv.org/abs/1801.07829 Dynamic Graph CNN for Learning on Point CloudsPoint clouds provide a flexible geometric representation suitable for countless applications in computer graphics; they also comprise the raw output of most 3D data a..

Ch 02. Point Cloud Processing Backbone 2-1. PointNet2-2. PointNet++ 2-3. Graph Convolutional Network2-4. Dynamic Graph CNN 2-5. Kernel Point Convolution 2-3. Graph Convolutional Network(GCN)Graph노드 간의 연결성을 보임. 인접 행렬(adjacency-matrix)을 통해 표현할 수 있음.   Graph neural network - 이미지 구조에서 활용되던 CNN을 그래프 구조에서 일반화하는 방법- 𝜓(𝐴,𝑋) =𝑓(𝐴𝑋𝑊) 를 풀기 위한 W를 학습해야 한다.- Weight matrix와 feature matrix 곱에 adjacent ma..

Ch 02. Point Cloud Processing Backbone딥러닝을 이용해서 Point cloud를 처리하는 방법론을 공부할 것이다. 2-1. PointNet2-2. PointNet++ 2-3. Graph Convolutional Network 2-4. Dynamic Graph CNN 2-5. Kernel Point Convolution https://arxiv.org/abs/1706.02413 PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric SpaceFew prior works study deep learning on point sets. PointNet by Qi et al. is a pioneer in thi..

Ch 02. Point Cloud Processing Backbone 딥러닝을 이용해서 Point cloud를 처리하는 방법론을 공부할 것이다. 2-1. PointNet2-2. PointNet++ 2-3. Graph Convolutional Network 2-4. Dynamic Graph CNN 2-5. Kernel Point Convolution  https://arxiv.org/abs/1612.00593 PointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPoint cloud is an important type of geometric data structure. Due to its irregular format, ..

Ch01.  LiDAR Data Processing 0. Introduction: 컴퓨터 비전 vs 3차원 비전1-1. LiDAR 센서의 종류 및 데이터 취득 방식1-2. 포인트 클라우드의 특징 1-3. 테스트를 위한 ROS 환경구성1-4. 자율주행 실습을 위한 오픈라이다 데이터셋소개 1-5. 포인트 클라우드 처리 방법 구현을 위한 Open3D사용법1-6. 포인트 클라우드 시각화 및 편집툴CloudCompare 사용법1-7. LiDAR 데이터 학습을 위한 레이블링 툴 소개 1-5. 포인트클라우드처리방법구현을위한Open3D사용법 https://www.open3d.org/docs/0.17.0/tutorial/geometry/pointcloud.html Point cloud — Open3D 0.17.0 doc..