[별첨] PCL & PCD란 (100%)

Point cloud 란?

포인트 클라우드(Point cloud) Lidar 센서, RGB-D센서 등 으로 수집되는 데이터를 의미 합니다. 이러한 센서들은 아래 그림처럼 물체에 빛/신호를 보내서 돌아 오는 시간을 기록하여 각 빛/신호당 거리 정보를 계산 하고 하나의 포인트(점)을 생성 합니다.

포인트 클라우드 3차원 공간상에 퍼져 있는 여러 포인트(Point)의 집합(set cloud)을 의미 합니다.

Lidar센서로 수집 Point cloud

RGB-D 센서로 수집된 Point Cloud

점군은 2D 이미지와 다르게 깊이(z)정보를 가지고 있기 때문에 기본적으로 N x 3 Numpy 배열로 표현 됩니다. 여기서 각 N 줄은 하나의 점과 맵핑이 되며 3(x,y,z) 정보를 가지고 있습니다.

Point Cloud는 기본적으로는 x,y,z 세개의 정보로만 표현 가능하지만 센서에서 제공되는 추가 정보가 있을경우 N x 4Numpy 배열로도 표현 가능 합니다. 예를 들어 Lidar 센서에서 수집한 정보의 경우는 reflectance(반사도/반사시간?)라는 정보가 추가될 수 있으며, RGB-D에는 Color정보가 추가 될수 있습니다.

참고로 일부 문서에서는 Lidar등에서 수집되는 데이터를 unordered Point cloud로 RGB-D 등에서 수집되는 데이터를 Ordered Point cloud로 표기 하는 경우도 있습니다. 이는 N x 3 Numpy 배열에서 N의 순서(order)가 물체를 표현하는데 영향을 미치기 때문입니다.

이미지 데이터와 Point Cloud

이미지 데이터

Point Cloud Data

이미지 데이터에서 픽셀의 위치 정보는 항상 양수 입니다. 기준점은 왼쪽 위 부터이며 좌표값은 정수(integer)로 표현 합니다.

포인트 클라우드에서 점의 위치 정보는 양수 또는 음수 입니다. 기준점은 센서의 위치이며 좌표값은 실수(Real number)로 표현 합니다. 기준점의 앞/뒤는 x 좌표, 왼쪽/오른쪽은 y 좌표, 위/아래는 z좌표로 나타냅니다.

Point cloud Library 란?

Point cloud Library란 Point cloud 처리를 위한 라이브러리입니다.

일반적으로 Point cloud 라이브러리들은 Point cloud의 파일 저장, 읽기, 잡음제거, 정합, 군집화, 분류, Feature계산 등의 기능을 제공합니다.

  • pcl_filters : 3D 점군 데이터에서 이상값과 노이즈 제거 등의 필터링

  • pcl_features : 점군 데이터로부터 3D 특징 추정 (feature estimation) 을 위한 수많은 자료 구조와 방법들

  • pcl_keypoints : Keypoint (or interest point) 을 검출하는 알고리즘 구현 (BRISK, Harris Corner, NARF, SIFT, SUSAN 등)

  • pcl_registration : 여러 데이터셋을 합쳐 큰 모델로 만드는 registration 작업 (ICP 등)

  • pcl_kdtree : 빠른 최근거리 이웃을 탐색하는 FLANN 라이브러리를 사용한 kdtree 자료 구조

  • pcl_octree : 점군 데이터로부터 계층 트리 구조를 구성하는 방법

  • pcl_segmentation : 점군으로부터 클러스터들로 구분하는 알고리즘들

  • pcl_sample_consensus : 선, 평면, 실린더 등의 모델 계수 추정을 위한 RANSAC 등의 알고리즘들

  • pcl_surface : 3D 표면 복원 기법들 (meshing, convex hulls, Moving Least Squares 등)

  • pcl_range_image : range image (or depth map) 을 나타내고 처리하는 방법

  • pcl_io : OpenNI 호환 depth camera 로부터 점군 데이터를 읽고 쓰는 방법

  • pcl_visualization : 3D 점군 데이터를 처리하는 알고리즘의 결과를 시각화

현재 PCL, PCL-python, Open3D, cilantro, pyPCD, Laspy, PCLpy 등의 라이브러리들이 사용되고 있습니다. 일반적으로 PCL하면 2011년 Radu Bogdan Rusu, Steve Cousins에 의해 공개된 Library를 나타내기도 합니다.

추후 각 라이블러리들의 특징점에 대하여 정리 하도록 하겠습니다. Appendix-Libraries

여기서는 PCL, PCL-Python, Open3D, cilantro를 활용합니다.

Point Cloud Data(PCD) Format

Point Cloud은 *. asc , *. cl3 , *. clr , *. fls , *. fws , *. las , *. ptg , *. pts , *. ptx , *. txt , *. pcd , *. xyz 등의 여러 데이터 포맷으로 사용 가능합니다.

단순히 x,y,z정보만을 가진 *.txt 포맷을 이용하여도 되고, 헤더 정보와 x,y,z를 가진 *. pcd포맷을 이용하기도 합니다.

일반적으로 사용된는 *. pcd포맷은 Header와 Data 세션으로 나누어 집니다.

  • Header : 전체 포인트 수, 데이터 타입, 크기 등의 정보

  • Data : x,y,z 또는 x,y,z + 추가정보

# .PCD v.7 - Point Cloud Data file format
VERSION .7
FIELDS x y z rgb
SIZE 4 4 4 4
TYPE F F F F
COUNT 1 1 1 1
WIDTH 213
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 213
DATA ascii
0.93773 0.33763 0 4.2108e+06
0.90805 0.35641 0 4.2108e+06
0.81915 0.32 0 4.2108e+06
0.97192 0.278 0 4.2108e+06
0.944 0.29474 0 4.2108e+06
...

주위깊게 보아야 할부분은 FIELDS가 x,y,z,rgb로 추가 정보로 색상 정보를 가지고 있습니다. 다른 *.pcd는 FIELDS가 x,y,z,로 rgb가 없이 사용될수 있습니다.

이 둘을 구분 하지 않고 load_XYZRGB로 파읽을 읽고, save_XYZ로 저장 한다면 색상 정보를 잃어버리게 되므로 조심 해야 합니다. 자세한 *.pcd파일 포맷에 대한 정보는 [여기]에서 얻을수 있습니다.

[1] Radu Bogdan Rusu and Steve Cousins, "3D is here: Point Cloud Library (PCL)", IEEE International Conference on Robotics and Automation (ICRA), 2011

[2] Andrew Straw가 개발한 PCL[1] 의 Python버젼 라이브러리입니다.[홈페이지], [메뉴얼]

[3] Qian-Yi Zhou와 박재신 교수가 Intel Lab재직 시절 개발한 Point Cloud 라이브러리 입니다. C++와 Python을 지원합니다. [홈페이지]

[4] A lean C++ library for working with point cloud data [홈페이지]

Previous3D 영상처리Nextchapter02 : PCL 설치 (100%)

Last updated