이 게시글은 장형기님의 SLAM 기술 면접 질문 100선에 대한 제 나름대로의 답을 정리한 것입니다.
DownSampling의 정의
-
정의: 다루는 data의 해상도를 낮춰서 전체 데이터의 수를 줄이는 기법
-
예시
-
point Cloud DownSampling: 원본 3D point Cloud 개수가 너무 많으면 일정한 규칙으로 Point cloud를 선택해 개수를 줄이는 기법
-
이미지 DownSampling: 이미지 크기를 줄여서 해상도를 낮추는 기법
-
DownSampling 하는 이유
-
데이터가 너무 크면, 처리나 분석에 막대한 연산이 필요, DownSampling을 통해 데이터 양을 줄이면, 알고리즘이 훨씬 빠르게 동작
-
고해상도 데이터는 메모리를 차지, 일부분만 사용해도 충분한 경우 DownSampling을 통해 메모리 절감
-
세밀한 데이터를 모두 사용하면, 노이즈가 많은 경우 오히려 알고리즘의 성능이 떨어질 수 있음 Downsampling을 통해 노이즈를 완화
DownSampling 기법
-
Voxel Grid DownSampling (3D Point Cloud)
-
3차원 격자로 공간을 쪼갠 뒤, 각 격자에 속한 점들을 대표값(중앙값, 평균 등) 하나로 치환
-
점의 개수를 크게 줄이면서도 공간적 분포를 일정 부분 유지
-
-
Random Sampling
- 전체 점 중 무작위로 일정 비율만 선택하는 기법, 구현이 간단하지만 데이터 분포가 분균일해질 수 있음
너무 많은 downsampling을 하면 어떤 일이 생길까요?
-
데이터를 지나치게 줄이면 처리하는 과정에서 데이터가 부족해져 정확하지 않은 결과를 낼 수 있습니다.
-
계산량을 줄이기 위해 DownSampling을 하지만 과한 downsampling을 하게 되면 추가 interpolation이 필요해 오히려 추가 계산 과정이 생길 수 있음
student