→ 현재 타겟, 타겟 점군 예시, 3D pointcloud map 예시

Course Description (Possibly Changed)

Preliminaries

• Linear Algebra
• MATLAB
• Python

현재 맵 정밀도 분석 알고리즘

1. 3D pointcloud map에서 target에 해당하는 점군 추출
   1. GPS 정보를 기반으로 타겟 주변의 점군을 1차적으로 잘라냄
   2. 수작업으로 타겟을 제외한 다른 점군 (noise, 땅바닥, 등)을 제거
   3. 타겟의 점군만을 추출
2. 추출한 target 5개 각각에서 target의 position 추출
   1. K-mean clustering으로 점군을 두 개의 plate로 분할
   2. 각 plate 점군에 RANSAC 기법 적용, noise 및 outlier 제거
   3. 각 plate의 inlier 점군에 SVD 기법 적용, 평면 방정식 계산
   4. 두 평면의 교선을 활용, target의 2D position 계산
3. 5쌍의 target pos 및 gps pos를 정합 & 오차 측정
   1. map에서 추출한 5개의 target pos와 gps로 측정한 5개의 pos를 정합
   2. 정합된 pos를 기준으로, 5쌍의 pos 사이의 오차 평균을 계산 ⇒ 3D pointcloud map의 국부오차

개발 목표

• 현재 알고리즘의 문제: 정밀도 측정 과정에서 수작업이 필수적

• 알고리즘 개선 목표: 수작업 없이, 3D pointcloud를 input으로 받았을 때, 자동으로 국부 오차를 한 번에 계산해주는 알고리즘 개발

• 개선 방법 (Possibly Changed)

  • Ground Segmentation을 RANSAC & SVD 등으로 진행하는 방식
  • Target에 High Intensity 스티커를 붙이고, 해당 점군을 기반으로 target만 추출하는 방식

• 자동 target 추출 실패를 대비하여, target 추출 이후 user에게 확인 받는 단계 필요

  • 추출 실패시, 기존과 동일하게 수작업으로 추출

• (위의 타 목표 달성 이후) 전체 code를 MATLAB에서 Python으로 포팅