→ 현재 타겟, 타겟 점군 예시, 3D pointcloud map 예시
Course Description (Possibly Changed)
Preliminaries
- Linear Algebra
- MATLAB
- Python
현재 맵 정밀도 분석 알고리즘
- 3D pointcloud map에서 target에 해당하는 점군 추출
- GPS 정보를 기반으로 타겟 주변의 점군을 1차적으로 잘라냄
- 수작업으로 타겟을 제외한 다른 점군 (noise, 땅바닥, 등)을 제거
- 타겟의 점군만을 추출
- 추출한 target 5개 각각에서 target의 position 추출
- K-mean clustering으로 점군을 두 개의 plate로 분할
- 각 plate 점군에 RANSAC 기법 적용, noise 및 outlier 제거
- 각 plate의 inlier 점군에 SVD 기법 적용, 평면 방정식 계산
- 두 평면의 교선을 활용, target의 2D position 계산
- 5쌍의 target pos 및 gps pos를 정합 & 오차 측정
- map에서 추출한 5개의 target pos와 gps로 측정한 5개의 pos를 정합
- 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