실제 LiDAR 데이터 다운로드 및 시각화 방법

🗂️ 실제 LiDAR 데이터 다운로드 및 시각화 방법

---

🌍 1. 데이터 다운로드

🔔 추천 공개 LiDAR 데이터셋:

1. KITTI Vision Benchmark Suite (자율주행용 데이터)
   • 웹사이트: KITTI Dataset
   • 📁 데이터 형식: .bin (점 구름), .png (이미지)
   • 🚗 특징: 자율주행 차량 센서 데이터 (LiDAR, 카메라 포함)
2. SemanticKITTI (KITTI 확장 버전 - 포인트 클라우드 라벨 포함)
   • 웹사이트: SemanticKITTI
   • 📁 데이터 형식: .bin + .label
3. Ford LiDAR Dataset
   • 웹사이트: Ford Campus Dataset
   • 🏢 특징: 도심 주행 LiDAR 데이터
4. Open3D 샘플 데이터 (가볍게 시작하기에 추천)
   • GitHub: Open3D Sample Data
   • 📁 파일 예시: fragment.pcd, sample.ply 등

---

🚗 KITTI Dataset 다운로드 (자율주행 데이터)

🔗 KITTI 홈페이지: KITTI Vision Benchmark

💻 다운로드 및 압축 해제:

bash

wget http://www.cvlibs.net/download.php?file=data_odometry_velodyne.zip unzip data_odometry_velodyne.zip
✅ 다운로드 완료 후:
data_odometry_velodyne/dataset/sequences/00/velodyne/ 경로에 .bin 포인트 클라우드 파일 존재

✅ KITTI .bin 데이터 시각화 코드

 

import open3d as o3d 
import numpy as np 

def load_kitti_bin(file_path): 
	data = np.fromfile(file_path, dtype=np.float32).reshape(-1, 4) 
    	points = data[:, :3] # XYZ 좌표만 사용 
	return points 
    
# 📂 .bin 파일 경로     
bin_file = "data_odometry_velodyne/dataset/sequences/00/velodyne/0000000000.bin" 

# 데이터 로드 
points = load_kitti_bin(bin_file) 

# 포인트 클라우드 생성 및 시각화 
pcd = o3d.geometry.PointCloud() 
pcd.points = o3d.utility.Vector3dVector(points) 
o3d.visualization.draw_geometries([pcd], window_name="KITTI LiDAR Point Cloud")

✅ 실행 시: KITTI 자율주행 데이터의 포인트 클라우드 표시 🚗📡

 

 

🔥 Open3D 샘플 데이터 다운로드 (가장 쉬운 방법)

💻 터미널 사용 시 (Linux/macOS/Windows WSL):

bash

wget https://github.com/isl-org/Open3D/releases/download/20220201-test_data/fragment.pcd

 

또는 직접 다운로드

fragment.pcd 다운로드 링크

---

📝 2. 다운로드한 LiDAR 데이터 시각화 코드

 

📥 Open3D로 .pcd 파일 시각화

python

import open3d as o3d 

# 📂 다운로드한 .pcd 파일 경로 
pcd_file = "fragment.pcd" 
# 🗂️ 포인트 클라우드 로드 
pcd = o3d.io.read_point_cloud(pcd_file) 
# 📊 시각화 실행 
o3d.visualization.draw_geometries([pcd], window_name="LiDAR Point Cloud", width=800, height=600, point_show_normal=False)

 

🔎 기능:
✅ 회전: 마우스 좌클릭
✅ 이동: 마우스 우클릭
✅ 확대/축소: 마우스 휠

---

🎨 3. 컬러 포인트 클라우드 시각화 (옵션)

python

 

import open3d as o3d 
import numpy as np 

# PCD 파일 로드 
pcd = o3d.io.read_point_cloud("fragment.pcd") 
# 무작위 컬러 추가 
colors = np.random.rand(np.asarray(pcd.points).shape[0], 3) pcd.colors = o3d.utility.Vector3dVector(colors) 
# 시각화 
o3d.visualization.draw_geometries([pcd], window_name="Colored LiDAR Point Cloud", width=800, height=600)

 

✅ 각 점에 무작위 색상이 적용되어 시각적으로 더 직관적입니다.

---

🏆 4. 고급 기능 (옵션)

✅ 노이즈 제거:

# 통계적 노이즈 제거 
pcd, ind = pcd.remove_statistical_outlier(nb_neighbors=20, std_ratio=2.0) o3d.visualization.draw_geometries([pcd])

 

✅ Voxel Downsampling (데이터 경량화)

pcd_down = pcd.voxel_down_sample(voxel_size=0.05) o3d.visualization.draw_geometries([pcd_down])

 

✅ 노멀 벡터 시각화

pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30)) o3d.visualization.draw_geometries([pcd], point_show_normal=True)

---

🚀 마무리 및 추천 흐름:

1. 간단히 시각화: Open3D 샘플 데이터로 빠르게 확인
2. 자율주행 데이터 연습: KITTI나 SemanticKITTI로 실제 데이터 다루기
3. 데이터 전처리 및 최적화: 노이즈 제거, 다운샘플링 적용
4. SLAM이나 객체 인식에 확장: LiDAR 데이터를 실전 프로젝트에 적용

 

 

문제 발생 시:

• 그래픽 드라이버 업데이트
• Python 3.8~3.10 권장