심화 썸네일형 리스트형 Semantic-Kitti 데이터셋 설명 ▣ 개요 - Kitti Odmetry Task에서 제공하는 순서를 그대로 따른다. - 복셀화된 입력(00 ~ 21번), bin 파일 제공 - 11개(00번 ~ 10번) 순차 데이터 셋에 대해, 학습용 Dense Annotation 제공. : 00 ~ 10번 폴더만, voxels 폴더에 .invalid, .occluded 파일이 있다. 11번 폴더 이상은 .bin 파일만 있다. - 11개(11번 ~ 21번)은 평가용. labels 폴더가 없다. ▣ 클래스 - 이동체, 비 이동체 포함, 28개 클래스 - 이동체 8개를 제외하면, 비 이동체는 20개이다. - 이동체의 경우 관찰(Scan) 하는 동안 이동하면 "Moving"으로 간주하며, 설령 중간에 멈추더라도 여전히 "Moving"으로 간주한다(관련 링크: .. 더보기 [1] Open3D 제공 기능 목록 정리(PointCloud) 시각화(Visualize point cloud) 복셀 다운 셈플링(Voxel downsampling) 정점 법선 추정(Vertex normal estimation) 포인트 클라우드 자르기(Crop point cloud) 포인트 클라우드 페인팅(Paint point cloud) 포인트 클리우드 거리 계산(Point cloud distance) 볼륨 바운딩(Bounding Volume) 컨벡스 헐(Convel Hull) DBSCAN 클러스터링 평면 세그멘테이션(Plane Segmentation) 숨겨진 점 제거(Hidden Point Removal) 시각화(Visualize point cloud) - 가장 기본적인 시각화 기능 복셀 다운 셈플링(Voxel downsampling) - point cloud에서.. 더보기 DBSCAN(밀도 기반 클러스터링) 개요 - K Means나 Hierarchical 클러스터링의 경우 군집간의 거리를 이용하여 클러스터링을 하는 방법이다. - 반면, DBSCAN((Density-based spatial clustering of applications with noise) 밀도 기반의 클러스터링은 점이 세밀하게 몰려 있어서 밀도가 높은 부분을 클러스터링 하는 방식이다. - DBSCAN은 밀도가 낮은 부분을 아웃라이어로 간주하기도 한다. - 사용 파라미터: e(epsilon), m(minPts) 군집화 사용 예시) : 만약 고객에게 제품을 추천해줄 때, 이미 구매한 제품 혹은 검색한 제품에 따라 고객을 군집화 할 수 있고 유사한 군에 속한 고객에게 같은 군에 속한 다른 고객이 구매한 제품을 추천해 줄 수 있다. 특징 - 거리.. 더보기 ORB (Oriented FAST and Rotated BRIEF) 출처: https://docs.opencv.org/3.4/d1/d89/tutorial_py_orb.html OpenCV: ORB (Oriented FAST and Rotated BRIEF) Goal In this chapter, We will see the basics of ORB Theory As an OpenCV enthusiast, the most important thing about the ORB is that it came from "OpenCV Labs". This algorithm was brought up by Ethan Rublee, Vincent Rabaud, Kurt Konolige and Gary R. Bradski docs.opencv.org ※ 본 포스팅의 위의 ORB 설명 문.. 더보기 Bag of Visual Words 개념 Contents 1. 개요 2. 설명 3. TF-IDF 1. 개요 - Bag of Visual Words는 유사 이미지를 찾는 방법 중 하나이다. 이미지 비교에는 픽셀간 비교하는 방법이 있을 수 있고, 소위 이미지에서 'Visual Words'를 구성해 주요 부분만 비교할 수 있다. Bag of Visual Words는 후자의 방법이다. - Slam에서는 Loop Closing Detection에서 활용된다. 2. 설명 - SIFT와 같은 Descriptor로 이미지의 특징점을 파악한다. - 특징점을 이용해 이미지를 이른바 시각적 단어의 집합으로 파악하고, 히스토그램을 구성하여 이미지 당 Words의 발생빈도를 통계 낸다. - 이미지 히스토그램을 이용해 이미지 간의 유사성을 보다 효율적으로 파악한다 (물.. 더보기 Optical Flow 출처 : https://docs.opencv.org/master/d4/dee/tutorial_optical_flow.html OpenCV: Optical Flow Prev Tutorial: Meanshift and Camshift Next Tutorial: Cascade Classifier Goal In this chapter, We will understand the concepts of optical flow and its estimation using Lucas-Kanade method. We will use functions like cv.calcOpticalFlowPyrLK() to track featur docs.opencv.org 1. 학습 목표 - Optical Flow 개념을 이해하고, .. 더보기 Fast Algorithm for Corner Detection 출처 : https://docs.opencv.org/master/df/d0c/tutorial_py_fast.html OpenCV: FAST Algorithm for Corner Detection Goal In this chapter, We will understand the basics of FAST algorithm We will find corners using OpenCV functionalities for FAST algorithm. Theory We saw several feature detectors and many of them are really good. But when looking from a real-time applicat docs.opencv.org ※ 본 포스팅은 위의 링크 글.. 더보기 Visual Odometry 요약 원본 : http://avisingh599.github.io/vision/monocular-vo/ - Camera Calibration - Feature Extraction - RANSAC - Essential Matrix Intro 어릴적 눈을 감고 걸으면서 원(Circle) 혹은 한 변이 1 ~ 2m의 정사각형(Square)를 발자취로 만들어 본 경험이 있다. 뒤돌아 보면 예상과는 다르게 원 모양이 삐뚤하거나 정사각형이 아닌 직사각형이 되어 있기도 하고, 시작점과 도착점이 만나지 않는 경우가 생긴다. 발자취로 예상한 나의 Odometry가 정확하지 않은 탓이다. Visual Odometry도 마찬가지다. 이미지 프레임간(t, t+1) R, t 행렬을 매번 구해 Odometry를 하여도 Ground T.. 더보기 이전 1 2 3 다음
