🚗 Day 2: 점군(Point Cloud) 데이터 구조 학습

안녕하세요! ✨
어제는 Day 1: LiDAR 기본 원리를 통해 TOF(Time of Flight)와 스캐닝 방식을 알아봤습니다.
오늘은 LiDAR가 만들어내는 결과물인 점군(Point Cloud) 데이터 구조에 대해 공부해보겠습니다.

Day 2: 점군(Point Cloud) 데이터 구조 학습

---

🔍 점군(Point Cloud)이란?

점군(Point Cloud)은 수많은 3차원 좌표점들의 집합입니다.
LiDAR 센서가 발사한 레이저가 물체에 부딪히고 돌아오는 시간을 측정해 얻은 거리 정보가 3차원 좌표로 변환되고, 이 점들이 모여 주변 환경의 3D 모델을 구성합니다.

예를 들어, 도로 위에서 LiDAR가 자동차를 비추면, 그 자동차의 외형을 이루는 수천~수백만 개의 점들이 모여 하나의 3D 형태를 형성하게 됩니다.

---

🧩 점군 데이터 구조

점군 데이터는 보통 아래와 같은 구조로 저장됩니다.

• 좌표 정보 (x, y, z): 각 점의 위치
• 반사 강도 (intensity): 물체의 재질·색상에 따라 다른 반사율
• 시간 정보 (timestamp): 언제 측정된 데이터인지 기록
• RGB 값: (카메라 융합 시) 색상 정보 포함 가능

이 데이터들은 ROS, PCL(Point Cloud Library) 등 다양한 라이브러리에서 처리할 수 있습니다.

---

📊 점군 데이터의 특징

1. 정밀도: 수십만 개 이상의 점으로 주변 환경을 재현
2. 비용 문제: 데이터가 방대하여 저장·처리가 무겁다
3. 노이즈: 먼지, 비, 유리창 등에 의해 왜곡 가능
4. 활용성: 지도 제작, 자율주행, 3D 스캐닝, 건축, 로보틱스 등 다양한 산업 적용

👉 점군은 단순한 데이터가 아니라, 자율주행차가 세상을 인식하는 방식 그 자체입니다.

---

🛠 점군 데이터 활용 사례

• 자율주행: 보행자, 차량, 도로 구조물 인식
• 로보틱스: 실내 로봇의 장애물 회피
• 드론 매핑: 지형 지도 작성
• AR/VR: 현실 공간의 디지털 복제

---

📌 정리

• 점군(Point Cloud)은 3차원 점들의 집합
• 각 점은 좌표, 반사 강도, 시간, 색상 정보로 구성
• 자율주행차는 이 데이터를 바탕으로 세상을 3D로 이해

반응형

---

🚀 다음 글 예고

다음 글에서는 [Day 3: ROS2에서 LiDAR 데이터 시각화 (RViz 실습)] 을 다룹니다.
RViz라는 툴을 이용해 실제 LiDAR가 수집한 점군 데이터를 시각화하는 방법을 소개하겠습니다.

---

✅ 오늘 글이 도움이 되셨다면 좋아요와 공유 부탁드립니다.