기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

포인트 클라우드 시퀀스 입력 매니페스트 생성

매니페스트는 각 행이 하나의 완성된 유효한 JSON 객체인 UTF-8 인코딩 파일입니다. 각 행은 표준 줄 바꿈인 \n 또는 \r\n으로 구분됩니다. 각 행이 유효한 JSON 객체여야 하므로 이스케이프되지 않은 줄 바꿈 문자를 사용할 수 없습니다. 포인트 클라우드 시퀀스 입력 매니페스트 파일에서 매니페스트의 각 라인에는 포인트 클라우드 프레임의 시퀀스가 포함되어 있습니다. 시퀀스의 각 프레임에 대한 포인트 클라우드 데이터는 바이너리 또는 ASCII 형식으로 저장할 수 있습니다. 자세한 내용은 허용되는 원시 3D 데이터 형식 섹션을 참조하세요. 이는 3D 포인트 클라우드 객체 추적에 필요한 매니페스트 파일 형식입니다. 선택에 따라 각 포인트 클라우드 프레임에 대해 포인트 속성 및 카메라 센서 융합 데이터를 제공할 수도 있습니다. 시퀀스 입력 매니페스트 파일을 생성할 때 세계 좌표계에서 LiDAR 및 비디오 카메라 센서 퓨전 데이터를 제공해야 합니다.

다음 예제에서는 매니페스트의 각 라인이 시퀀스 파일일 때 입력 매니페스트 파일에 사용되는 구문을 보여 줍니다. 입력 매니페스트 파일의 각 행은 JSON 행 형식이어야 합니다.

{"source-ref": "s3://amzn-s3-demo-bucket/example-folder/seq1.json"}
{"source-ref": "s3://amzn-s3-demo-bucket/example-folder/seq2.json"}

포인트 클라우드 프레임의 각 시퀀스에 대한 데이터는 JSON 데이터 객체에 저장되어야 합니다. 다음은 시퀀스 파일에 사용되는 형식의 예입니다. 각 프레임에 대한 정보는 JSON 객체로 포함되며 frames 목록에 나열됩니다. 다음은 두 개의 포인트 클라우드 프레임 파일 frame300.bin 및 frame303.bin이(가) 있는 시퀀스 파일의 예제입니다. ...은 추가 프레임에 대한 정보를 포함해야 하는 위치를 표시하는 데 사용됩니다. 시퀀스의 각 프레임에 JSON 객체를 추가하세요.

다음 코드 블록에는 단일 시퀀스 파일에 대한 JSON 객체가 포함되어 있습니다. JSON 객체는 가독성을 위해 확장되었습니다.

{
  "seq-no": 1,
  "prefix": "s3://amzn-s3-demo-bucket/example_lidar_sequence_dataset/seq1/",
  "number-of-frames": 100,
  "frames":[
    {
        "frame-no": 300, 
        "unix-timestamp": 1566861644.759115, 
        "frame": "example_lidar_frames/frame300.bin", 
        "format": "binary/xyzi", 
        "ego-vehicle-pose":{
            "position": {
                "x": -2.7161461413869947,
                "y": 116.25822288149078,
                "z": 1.8348751887989483
            },
            "heading": {
                "qx": -0.02111296123795955,
                "qy": -0.006495469416730261,
                "qz": -0.008024565904865688,
                "qw": 0.9997181192298087
            }
        }, 
        "images": [
        {
            "image-path": "example_images/frame300.bin_camera0.jpg",
            "unix-timestamp": 1566861644.759115,
            "fx": 847.7962624528487,
            "fy": 850.0340893791985,
            "cx": 576.2129134707038,
            "cy": 317.2423573573745,
            "k1": 0,
            "k2": 0,
            "k3": 0,
            "k4": 0,
            "p1": 0,
            "p2": 0,
            "skew": 0,
            "position": {
                "x": -2.2722515189268138,
                "y": 116.86003310568965,
                "z": 1.454614668542299
            },
            "heading": {
                "qx": 0.7594754093069037,
                "qy": 0.02181790885672969,
                "qz": -0.02461725233103356,
                "qw": -0.6496916273040025
            },
            "camera-model": "pinhole"
        }]
    },
    {
        "frame-no": 303, 
        "unix-timestamp": 1566861644.759115, 
        "frame": "example_lidar_frames/frame303.bin", 
        "format": "text/xyzi", 
        "ego-vehicle-pose":{...}, 
        "images":[{...}]
    },
     ...
  ]
}

다음 테이블에는 시퀀스 파일의 최상위 파라미터에 대한 세부 정보가 나와 있습니다. 시퀀스 파일의 개별 프레임에 필요한 파라미터에 대한 자세한 내용은 개별 포인트 클라우드 프레임에 대한 파라미터 섹션을 참조하세요 .

개별 포인트 클라우드 프레임에 대한 파라미터

아래 표에서는 입력 매니페스트 파일에 포함시킬 수 있는 파라미터를 보여 줍니다.

입력 매니페스트에 차량 포즈 정보 포함

ego 차량 위치를 사용하여 포인트 클라우드 데이터를 캡처하는 데 사용된 차량의 자세에 대한 정보를 제공합니다. Ground Truth는 이 정보를 사용하여 LiDAR 외부 행렬을 계산합니다.

Ground Truth는 외부 행렬을 사용하여 3D 장면 및 2D 이미지에서 레이블을 투영합니다. 자세한 내용은 센서 융합 섹션을 참조하세요.

아래 표에서는 ego 차량 정보를 제공할 때 필요한 position 및 방향(heading) 파라미터에 대한 자세한 정보를 제공합니다.

입력 매니페스트에 카메라 데이터 포함

프레임에 컬러 카메라 데이터를 포함시키려면 다음 파라미터를 사용하여 각 이미지에 대한 정보를 제공합니다. 아래 표의 필수 열은 images 파라미터가 입력 매니페스트 파일에 포함되어 있을 때 적용됩니다. 입력 매니페스트 파일에 이미지를 포함시킬 필요는 없습니다.

카메라 이미지를 포함하는 경우에는 이미지 캡처에 사용된 카메라의 position 및 방향(heading)에 대한 정보를 포함해야 합니다.

이미지가 왜곡된 경우, Ground Truth는 왜곡 계수(k1, k2, k3, k4, p1, p1), 카메라 모델 및 초점 길이(fx, fy) 및 주요점(cx, cy))을 포함해 입력 매니페스트 파일에서 이미지에 대해 제공된 정보를 사용해 자동으로 왜곡을 해제할 수 있습니다. 이러한 계수 및 이미지 왜곡 해제에 대한 자세한 내용은 OpenCV를 사용한 카메라 보정을 참조하세요. 왜곡 계수가 포함되지 않은 경우 Ground Truth는 이미지의 왜곡을 해제하지 않습니다.

시퀀스 파일 및 포인트 클라우드 프레임 제한

입력 매니페스트 파일에 최대 100,000개의 포인트 클라우드 프레임 시퀀스를 포함시킬 수 있습니다. 각 시퀀스 파일에 최대 500개의 포인트 클라우드 프레임을 포함시킬 수 있습니다.

3D 포인트 클라우드 레이블 지정 작업은 다른 Ground Truth 태스크 유형보다 사전 처리 시간이 길다는 점에 유의하세요. 자세한 내용은 작업 사전 처리 시간 섹션을 참조하세요.