Kognic 플랫폼 2026년 5월 업데이트: 3D 편집 및 주석 도구 기능 개선

섹션별 상세

01

Object Camera Ruler는 카메라 뷰에서 Z축 측정을 지원하여 3D 객체의 정밀한 위치 조정을 가능하게 한다. 실시간 델타 표시기를 통해 객체 이동 거리를 시각화하고, 색상 코드로 거리 정보를 제공하여 불필요한 미세 조정을 방지한다.

02

Polygon classification tool은 BEV와 원근 카메라 뷰에서 예측 가능한 동작을 수행한다. BEV에서는 포인트 클라우드에 고정되고, 원근 뷰에서는 카메라 평면에 배치되어 특정 각도에서 높은 정밀도가 필요한 작업에 유연성을 제공한다.

03

다중 센서 큐보이드 숨기기 기능은 복잡한 3D 작업 환경에서 시야를 확보한다. 이는 여러 센서 데이터를 동시에 처리할 때 발생하는 시각적 혼란을 줄여 주석 작업의 편의성을 높인다.

04

3D Slice Tool은 단일 제스처로 여러 3D 라인이나 차선을 분할한다. 교차점에서 자동으로 객체를 분할하고 속성을 복사하여, 교차로나 합류 구간에서 반복적인 수동 편집 시간을 단축한다.

05

배치 작업 바와 다중 선택 속성 편집 기능은 여러 객체에 대한 속성 변경과 피드백을 일괄 처리한다. 이는 객체별로 반복하던 편집 과정을 간소화하여 검토 및 라벨링 속도를 개선한다.

버드 아이 뷰(BEV): — Bird's Eye View의 약자로, 차량 상단에서 아래를 내려다보는 시점의 시각화 방식입니다. 자율주행 데이터 라벨링에서 객체의 위치와 거리를 정확히 파악하기 위해 필수적인 관점입니다.
포인트 클라우드(Point Cloud): — LiDAR 센서 등을 통해 수집된 3차원 공간상의 점들의 집합입니다. 자율주행 차량이 주변 환경을 3D로 인식하는 핵심 데이터 형태입니다.
센서 퓨전(Sensor Fusion): — LiDAR, 레이더, 카메라 등 서로 다른 센서에서 수집된 데이터를 결합하여 환경 인식의 정확도를 높이는 기술입니다.
큐보이드(Cuboid): — 3D 공간에서 객체를 감싸는 직육면체 형태의 경계 상자입니다. 자율주행 데이터 라벨링에서 차량, 보행자 등의 객체를 식별하고 위치를 지정할 때 사용합니다.