지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 37 - 48 (12page)
- DOI
- 10.5573/ieie.2024.61.4.37
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
LiDAR 센서로 취득된 포인트 클라우드는 다양한 분야에서 활용되고 있지만, 3차원 공간에서의 희소성과 높은 차원으로 인해 활용에 어려움이 존재한다. 이러한 한계를 극복하기 위한 하나의 접근은 포인트 클라우드를 그룹핑하여 객체화하는 것이다. 다양한 군집화 방법 중 포인트 클라우드 데이터에 효과적인 밀도 기반 군집화 방법이 고려될 수 있는데, 밀도 계산을 위한 포인트 간 반경을 고정된 하이퍼파라미터로 설정해야 한다는 한계점이 존재한다. 이 문제를 해결하기 위해, 본 논문에서는 고정된 반경 대신 가변적인 반경을 기반으로 하는 LiDAR 포인트 그룹핑 방법을 제안한다. 이 방법에서는 먼저 먼저 원뿔 기반의 전처리를 통해 지면 클러터를 제거하고, 남은 포인트들을 대상으로 가변적 반경 그룹핑을 통하여 객체 후보 그룹으로 정의한다. KITTI 데이터를 사용한 실험에서 제안하는 방법은 3D LiDAR 포인트 클라우드에 효과적임이 확인되었다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 가변적 반경 기반 LiDAR 포인트 그룹핑
Ⅳ. 실험 및 고찰
Ⅴ. 결론
REFERENCES
참고문헌 (16)
참고문헌 신청
Y. Guo, H. Wang, Q. Hu, H. Liu, L. Liu and M. Bennamoun, “Deep learning for 3D point clouds: A surve,” IEEE trans. pattern analysis and machine intelligence, vol. 43, no. 12, pp. 4338-4364, 2020.
C. Zeng, W. Wang, A. Nguyen and Y. Yue, “Self-supervised learning for point cloud data: A survey,” Expert Systems with Applications, p. 121354, 2023.
Y. Zhou, and O. Tuzel, “Voxelnet: End-to-end learning for point cloud based 3d object detection,” In Proc. IEEE conference on computer vision and pattern recognition, pp. 4490-4499, 2018.
A. H. Lang, S. Vora, H. Caesar, L. Zhou, J. Yang, and O. Beijbom, “Pointpillars: Fast encoders for object detection from point clouds.” In Proc. IEEE conference on computer vision and pattern recognition, pp. 12697-12705, 2019.
C. R. Qi, L. Yi, H. Su, L. J. Guibas, “PointNet++: Deep hierarchical feature learning on point sets in a metric space.” Advances in neural information processing systems, vol. 30, 2017.
C. Zeng, W. Wang, A. Nguyen and Y. Yue, “Self-supervised learning for point cloud data: A survey,” Expert Systems with Applications, p. 121354, 2023.
Y. Zhou, and O. Tuzel, “Voxelnet: End-to-end learning for point cloud based 3d object detection,” In Proc. IEEE conference on computer vision and pattern recognition, pp. 4490-4499, 2018.
A. H. Lang, S. Vora, H. Caesar, L. Zhou, J. Yang, and O. Beijbom, “Pointpillars: Fast encoders for object detection from point clouds.” In Proc. IEEE conference on computer vision and pattern recognition, pp. 12697-12705, 2019.
C. R. Qi, L. Yi, H. Su, L. J. Guibas, “PointNet++: Deep hierarchical feature learning on point sets in a metric space.” Advances in neural information processing systems, vol. 30, 2017.
이 논문과 함께 이용한 논문
C3DSG: A 3D Scene Graph Generation Model Using Point Clouds of Indoor Environment
백호준
,
김인철
Journal of KIISE
2023
.09
비디오 기반 포인트 클라우드 압축(V-PCC) 콘텐츠의 스트리밍 플랫폼
남귀중
방송과 미디어
2023
.07
DRACO 3D 메시 압축 기술 소개
변주형
,
심동규
방송과 미디어
2023
.07
대규모 공간에 대한 포인트 클라우드 기반 가상공간 모델링 VR 콘텐츠
곽철수
,
윤보영
,
김다영
외 1명
한국정보과학회 학술발표논문집
2022
.06
최소 거리 기반 3D 포인트 클라우드 지도에서의 동적 물체 제거 알고리즘
김민재
,
황효석
한국정보과학회 학술발표논문집
2024
.06
최근 본 자료
댓글(0)
0