Point cloud Library(PCL)는 LIDAR나 RGB-D센서의 3D 데이터 처리를 위해 필수적인 툴 중 하나입니다. 하지만 개발자 홈페이지를 제외 하고는 정리 되어 있는 문서나 질문/의견을 교류 할 수 있는 곳이 적은 것 같습니다.
그동안 익혔던 내용 및 코드도 정리하고 다른분들에게 조금이라도 도움이 되고자 Tutorial형식으로 작성 하게 되었습니다.
- 기본 내용은 PCL 홈페이지의 [PCL문서]와 [Udacity강좌]를 중심으로 하였습니다.
- 그 외 참고한 여러 자료들은 References페이지에 별도 업데이트 하도록 하겠습니다.
- PCL에 대한 정보 공유나 궁금한점은 [페이스북 PCL Research Group KR]에 올려 주세요.
- Tutorial은 초안(Gitbook), 백업(Github), 최종본에 동시 저장되어 있습니다.
전체 문서는 초급/중급/고급으로 나누어져(Part 1~3) 있으며, 각 문서에는 이론, 각 Library별 코드, 실습으로 구성 되어 있습니다.
초급에서는 PCL에서 제공하는 기능들을 기반으로 3D 데이터 전처리, 필터링를 다루고 있습니다.
중급에서는 PCL에서 제공하는 기능들을 기반으로 Clustering, Classification, Octree, Registration를 다루고 있습니다.
고급에서는 최근 트랜드인 딥러닝을 이용하여 초급/중급에서 살펴본 샘플링, Classification 등을 Deep Neural Network를 이용하여 구현해 보려 합니다.
각 이론별 코드에서는 PCL C++, PCL-Python, Open3D-Python별 샘플 코드를 포함하고 있습니다.
실습은 ROS를 기반으로 진행 됩니다.
실습 초/중급에서는 Velodyne Puck 16ch 라이다를 이용하여 실제로 수집한 데이터에서 위 이론내용과 코드들을 활용하여 재실자 탐지를 진행 합니다.
실습 고급에서는 KITTI 및 오픈데이터셋을 이용 이용하여 차량 탐지를 목적으로 진행 합니다.