Computer Graphics (5) 썸네일형 리스트형 포인트 클라우드 평가 지표(Evaluation Metric) - Chamfer distance, F-score, etc. Point cloud evaluation Code두 포인트 클라우드의 유사도를 평가하는 지표를 구현해둔 깃허브입니다.구현된 지표는 다음과 같습니다.Precision/Recall/F-score point-to-pointPrecision/Recall/F-score point-to-planeRMSE point-to-pointRMSE point-to-planeChamfer Distance point-to-pointChamfer Distance point-to-planeHausdorff-95%https://github.com/owl-d/PointCloud-Evaluation GitHub - owl-d/PointCloud-Evaluation: point cloud evaluation with cpppoint clo.. Transformation의 중요성 이 포스트에서는 transformation(변환)의 중요성에 대해 말해보고자 합니다. 우리는 서로 다른 두 좌표계 표현을 맞추기 위해 하나를 다른 하나의 좌표계로 변환합니다.그리고 이때 사용하는 방법이 transformation matrix, 즉 변환 행렬을 사용합니다. 하지만 transformation matrix를 정확하게 알아내는 것은 매우 어려운 일입니다.아래 사진에서 왼쪽과 같이 transformation matrix를 매번 계산하고 이를 이용해 포인트 클라우드를 누적한다고 하더라도노이즈와 계산 에러, 오차 등으로 완벽한 결과를 기대할 수 없습니다.오른쪽 그림은 SOR 필터를 적용해 outlier를 제거한 결과입니다. 그래서 우리는 ICP를 이용해 미세하게 정합하여 좀 더 깔끔하고 정확한 결과를.. ICP 알고리즘 비교 이 포스트에서는 여러 ICP 알고리즘들은 비교해보고자 합니다. PCL 라이브러리에서 제공하는 ICP variants인 ICP, GICP, ICP Non Linear 세 가지 알고리즘에 대해성능과 걸리는 시간 측면에서 비교 및 분석을 진행해보고자 합니다. 이 외에도 여러 ICP 들도 비교해보겠습니다. PCL ICP Algorithms먼저 PCL 라이브러리에서 제공하는 ICP, GICP, ICP Non Linear를 비교해보겠습니다. 각 ICP에 대해 간단히 설명하자면 다음과 같습니다.- ICP : Vanila ICP, point-to-point ICP- GICP : 로컬 평면 정보를 공분산 행렬로 모델링- ICP Non Liear : LM 최적화 사용 다른 모든 환경을 동일하게 세팅했을 때, ICP 알고리.. [논문 리뷰] Visualizing Quaternion Multiplication [참고 논문]Visualizing Quaternion Multiplication - Jongchan Baekhttps://ieeexplore.ieee.org/abstract/document/7930375 Visualizing Quaternion MultiplicationQuaternion rotation is a powerful tool for rotating vectors in 3-D; as a result, it has been used in various engineering fields, such as navigations, robotics, and computer graphics. However, understanding it geometrically remains challenging, bec.. 곡선(Curve), 스플라인(Spline) * 아래 레퍼런스들을 참고하여 작성하였습니다. 문제시 글 내리겠습니다.[Reference] GDC2012 GDC2012 - Interpolation and Spline PPT (Squirrel Eiserloh)곡선과 스플라인베지어 곡선수학적인 곡선 1. Averaging, Blending$A$와 $B$의 평균을 구한다. "half of $A$, half of $B$", 또는 "a 50/50 blend of $A$ and $B$"라고 할 수 있다.$$P = \frac{A+B}{2} = (0.5 * A) + (0.5 * B)$$서로 다른 가중치로 $A$와 $B$를 블렌딩 할 수 있다. Fig. 2에서는 "$A$의 35%와 $B$의 65%"로 블렌딩 했다. 이때 두 가중치는 합쳐서 1이다.$$P = (t*A).. 이전 1 다음
