인공지능

딥러닝을 활용한 포인트 클라우드

포인트 클라우드 애플리케이션에 인공지능 기법 적용

포인트 클라우드로부터 정보를 도출하는 AI 시스템을 구축하고 배포할 수 있습니다. 객체 검출과 의미론적 분할을 위해 포인트 클라우드에서 딥러닝 신경망을 훈련하고 테스트하며 배포할 수 있습니다.

MATLAB 및 Simulink를 사용해 다음과 같은 작업을 수행할 수 있습니다.

  • 딥러닝 알고리즘 적용을 위한 포인트 클라우드 전처리
  • 객체 검출을 위해 라이다 레이블 지정기 앱을 사용해 포인트 클라우드에 레이블 지정
  • 데이터저장소를 사용해 훈련, 테스트 및 검증을 위한 대량의 데이터 처리
  • 포인트 클라우드 데이터의 의미론적 분할 및 객체 검출 딥러닝 워크플로를 위한 C/C++ 및 CUDA 코드 생성

왜 포인트 클라우드에 딥러닝을 사용할까요?

건물, 식생, 차량 등의 객체를 기반으로 분할된 항공 라이다 포인트 클라우드.

포인트 클라우드의 의미론적 분할

딥러닝 알고리즘을 적용해 포인트 클라우드를 분할할 수 있습니다. RandLA-Net, SAM(Segment Anything Model), PointSeg, SqueezeSegV2 및 PointNet++를 비롯한 의미론적 분할 신경망을 포인트 클라우드 데이터에 대해 훈련시키고 테스트하며 평가할 수 있습니다.

포인트 클라우드 데이터에서 자동차와 트럭을 검출하고 이들 주위의 방향성이 있는 경계 상자를 피팅할 수 있습니다.

포인트 클라우드에서의 객체 검출

포인트 클라우드에서 객체를 검출하고 객체 주위에 방향성이 있는 경계 상자를 맞추어, 이를 객체 추적 또는 라이다 레이블 지정 워크플로에 활용할 수 있습니다. PointPillars 및 Voxel R-CNN 신경망과 같은 강건한 검출기를 설계하고 훈련하며 평가할 수 있습니다.

라이다 레이블 지정기 앱.

다중 센서 레이블 지정기를 사용한 포인트 클라우드 레이블 지정

딥러닝 모델의 훈련을 위해 포인트 클라우드에 레이블을 지정할 수 있습니다. 다중 센서 레이블 지정기 앱을 통해 내장 알고리즘이나 사용자 지정 알고리즘을 적용해 포인트 클라우드 레이블 지정을 자동화하고 자동화 알고리즘 성능을 평가할 수 있습니다.

자동차와 배경을 보여주는 분할된 포인트 클라우드.

배포

PointPillars, SqueezeSegV2 및 PointNet++ 같은 신경망의 CUDA® MEX 코드를 생성하여 GPU에 포인트 클라우드 분할 또는 객체 검출 알고리즘을 배포할 수 있습니다.

MATLAB을 통해 딥러닝을 활용한 포인트 클라우드

제품

딥러닝을 활용한 포인트 클라우드 애플리케이션에 사용되는 제품에 대해 알아볼 수 있습니다.