Efficient environment perception and reconstruction: Simplifying and compressing point clouds without the loss of meaningful information

A jelenlegi autonóm vezérlésű világban a környezetet leíró nagy tömegű információ továbbítása és értelmezése kulcskérdés.

A kutatás célja az önvezető autók, robotok és drónok működésének hatékonyabbá tétele. Ehhez a környezet pontos érzékeléséhez szükséges pontfelhő adatokat (LiDAR és egyéb mélységszenzorok által rögzített 3D-s pontokat) kell hatékonyabban feldolgoznunk és tárolnunk. A probléma az, hogy ezek az adatok nagyon nagy méretűek lehetnek, ami megnehezíti a tárolást, továbbítást és a feldolgozást. A kitűzött cél a hatékonyabb tömörítési technikák kifejlesztése, amelyek megőrzik a szükséges információkat a pontfelhőkben, miközben csökkentik a tárolási igényeket és a feldolgozási terheket.

A hatékonyabb pontfelhő tömörítés és a feldolgozási számítási igények csökkentése elősegítheti az önvezető járművek, robotok és drónok szélesebb körű bevezetését a mindennapi életben, ami számos előnnyel járhat, például: biztonságosabb közlekedés, hatékonyabb logisztika és szállítmányozás vagy mentési és kutató-mentő műveletek.

Emiatt a kutatás kulcsfontosságú az autonóm rendszerek szélesebb körű elterjedésében. A hatékony tömörítési technikák kifejlesztése elengedhetetlen ahhoz, hogy ezek a technológiák elérhetővé váljanak a mindennapi emberek számára. Emellett a kutatás hozzájárul a hazai és nemzetközi tudományos és technológiai fejlődéshez.