본문 바로가기

PointNet

3D Semantic Segmentation: 포인트 클라우드 분할 기법 들어가며3차원 공간에서의 의미론적 분할(3D Semantic Segmentation)은 포인트 클라우드(Point Cloud) 데이터의 각 점에 대해 의미론적 레이블을 할당하는 컴퓨터 비전 기술입니다. 자율주행, 로봇 공학, 증강현실, 도시 계획 등 다양한 분야에서 3차원 환경을 이해하고 해석하는 데 핵심적인 역할을 하고 있습니다.포인트 클라우드란?기본 개념포인트 클라우드는 3차원 공간에서 점들의 집합으로, 각 점은 (x, y, z) 좌표와 함께 색상(RGB), 반사강도(Intensity), 법선벡터(Normal Vector) 등의 추가 정보를 포함할 수 있습니다. 이러한 데이터는 LiDAR 센서, RGB-D 카메라, 또는 Structure from Motion(SfM) 기법을 통해 획득됩니다.포인트 클.. 더보기
딥러닝 기반의 3D Point Cloud Reconstruction 기법 비교 1. 3D Point Cloud Reconstruction의 개념3D Point Cloud Reconstruction은 현실 세계의 물체나 환경을 스캔하거나 이미지로부터 복원하여, 3차원 포인트 클라우드(Point Cloud) 형식으로 재구성하는 기술입니다. 이 기술은 자율주행, 증강현실(AR), 로보틱스, 스마트 팩토리, 의료 영상 분석 등에서 매우 중요한 역할을 합니다.전통적으로는 라이다(LiDAR), 스테레오 카메라, 구조광 등의 센서를 이용해 3D 데이터를 생성했지만, 최근에는 딥러닝을 기반으로 이미지나 부분적인 포인트 클라우드만으로도 정밀한 3D 구조를 복원하는 기술이 급속히 발전하고 있습니다.2. 딥러닝 기반 기법의 필요성센서를 이용한 방식은 정확도는 높지만 비용이 높고 대규모 적용이 어렵다는.. 더보기