LiDAR Point Cloud
Este repositório contém uma implementação personalizada do algoritmo "Iterative Closest-Points (ICP)" para estimar a trajetória de um veículo com base em nuvens de pontos (point clouds) obtidas de varreduras LiDAR do KITTI DATASET.
O objetivo principal deste projeto é desenvolver uma implementação do algoritmo ICP sem depender de bibliotecas de terceiros. A trajetória final do veículo é estimada com base em 30 scans LiDAR fornecidos no KITTI DATASET, com a trajetória começando no primeiro scan.
-
Implementação do Algoritmo ICP: O código-fonte da implementação personalizada do algoritmo ICP está disponível neste repositório. A implementação visa mostrar a corretude do algoritmo.
-
Dados do KITTI DATASET: Os 30 scans LiDAR do KITTI DATASET estão incluídos no repositório para fins de demonstração.
-
Ground-Truth em Formato .npy: O arquivo .npy contém uma matriz de transformação em coordenadas homogêneas para cada uma das 30 posições do veículo, permitindo a validação da estimativa da trajetória.
- Clone este repositório em sua máquina local.
- Utilize o código-fonte fornecido para estimar a trajetória do veículo com base nos scans LiDAR e compare os resultados com o ground-truth.
- Python
- NumPy (para carregar e analisar o ground-truth)
Este projeto é uma oportunidade de aprender e aprimorar as habilidades de processamento de dados LiDAR e algoritmos de registro de nuvens de pontos, além de promover a compreensão da estimativa da trajetória de veículos a partir de dados sensoriais.