Nuage de points

TLDR: Un nuage de points est un ensemble de points de données 3D dans l’espace. Chaque point possède des coordonnées X, Y, Z. Les nuages de points alimentent la perception 3D dans les véhicules autonomes et les robots.

Un nuage de points est un ensemble discret de points de données dans l’espace tridimensionnel. Chaque point contient une position définie par des coordonnées cartésiennes (X, Y, Z). Les points peuvent également porter des attributs supplémentaires : couleur (RVB), intensité ou horodatages. Les nuages de points représentent les surfaces d’objets physiques et d’environnements. Ils constituent la sortie principale des capteurs LiDAR et des scanners 3D.

Comment les nuages de points sont créés

1. Balayage LiDAR : Un capteur LiDAR envoie des impulsions laser et enregistre le temps de retour de chacune. Ces données de temps de vol produisent des positions 3D précises.
2. Photogrammétrie : Plusieurs images superposées sont traitées pour reconstruire la géométrie 3D.
3. Vision stéréo : Deux caméras décalées imitent la vision binoculaire pour estimer la profondeur.
4. Lumière structurée : Un motif projeté se déforme sur la surface de l’objet. Une caméra capture la déformation et calcule la profondeur.

Les nuages de points dans les véhicules autonomes

Les voitures autonomes capturent des nuages de points denses jusqu’à 10 fois par seconde. Le nuage de points révèle la disposition 3D de la route, des autres véhicules et des piétons. Les modèles d’IA entraînés sur des nuages de points étiquetés apprennent à détecter et classifier des objets en 3D. Plusieurs trames successives de nuages de points suivent les objets en mouvement dans le temps. Cela est essentiel pour la planification de trajectoire et l’évitement des collisions.

Les nuages de points en robotique et cartographie

1. SLAM : Les robots construisent et mettent à jour des cartes 3D d’environnements inconnus en temps réel.
2. Saisie d’objets : Les bras robotiques utilisent les nuages de points pour estimer la pose des objets avant de les saisir.
3. Jumeaux numériques : Les usines et les villes sont numérisées en modèles 3D haute fidélité.
4. SIG et cartographie du terrain : Les nuages de points LiDAR aéroportés génèrent des modèles numériques d’élévation.

Traitement des nuages de points pour l’IA

Les nuages de points bruts sont non structurés. Les modèles d’IA doivent apprendre directement à partir de données 3D irrégulières. PointNet et PointNet++ sont des architectures neuronales pionnières pour l’apprentissage des nuages de points. Les méthodes basées sur les voxels convertissent les nuages de points en une grille 3D régulière pour le traitement CNN. L’étiquetage des nuages de points est laborieux — chaque point d’une trame peut nécessiter une annotation de classe. Les jeux de données de Bright Data incluent des données de capteurs 3D pour accélérer les pipelines de données d’entraînement pour la vision par ordinateur et la robotique.