문제점
- 평가 및 최적화의 비효율성: 자율주행 알고리즘(객체 감지, 차량 제어) 개발 시 정량적/정성적 평가를 실시간으로 수행하기 어려워 알고리즘 최적화 및 디버깅 과정이 비효율적임.
- PCD 데이터 분석의 어려움: 대용량의 바이너리 파일(PCD) 파싱 및 전처리 구현을 일괄적으로 처리하기 어렵고, 3D 공간 정보를 직관적으로 시각화하여 정성평가를 수행하기 어려움.
- 통합 개발 환경 부재: 알고리즘의 노면 제거, 세그멘테이션 등의 결과를 실시간으로 확인하고, 차량 제어 관련 정량 지표(속도, 벨로시티 등)를 동시에 모니터링할 통합된 개발 툴이 부재함.

프로젝트 목표
- 개발자 전용 평가 툴 개발: 자율주행 알고리즘 개발에 필요한 정량/정성 평가를 실시간으로 용이하게 수행할 수 있는 개발자 전용 툴(Tool)을 개발하는 것.
- 자율주행 시스템 개발 가속화: 개발된 평가 툴을 활용하여 보행자, 차량 등의 객체 감지 및 차량 제어 알고리즘 로직을 고도화하고, 실제 자율주행 시스템을 개발하는 것을 최종 목표로 함.

주안점 (핵심 개발/운영 고려사항)
- PCD 시각화 기반 정성평가: 바이너리 파일을 파싱하고 전처리를 일괄 구현할 수 있으며, PCD 시각화를 통해 정성평가가 용이하도록 구현.
- 실시간 알고리즘 결과 확인: 노면 제거(Ground Removal), 세그멘테이션 등의 알고리즘 결과를 윤안(肉眼) 및 실시간으로 직접 확인 가능하도록 구현.
- 정량 지표 실시간 모니터링: 스피드, 벨로시티 등 여러 정량적인 지표를 그래프를 통해 실시간으로 확인할 수 있도록 구현.
- 가벼운 실시간 렌더링: QT6 및 OpenGL 기반으로 제작하여 대용량 데이터를 처리하면서도 가벼운 구동 환경 및 실시간 렌더링 성능을 확보.

특정 자율주행 회사 개발자 전용 툴로 개발된 실시간 PCD(Point Cloud Data) 시각화 소프트웨어로 개발자들이 PCD 전처리 알고리즘 결과 및 차량 제어 로직을 정량적/정성적으로 실시간 평가할 수 있도록 지원.

특징
- 경량 OpenGL 기반 3D 시각화: QT6와 가벼운 OpenGL 기반으로 제작되어 대용량의 PCD 데이터를 처리하면서도 빠르고 안정적인 3D 시각화를 지원.
- 다중 데이터 소스 연동: 필드 데이터, 테스트 데이터뿐만 아니라 TCP 소켓 통신 데이터까지 불러오기 기능을 제공하여 다양한 개발 환경에서의 데이터 분석이 가능.
- 알고리즘 및 딥러닝 평가 지원: 알고리즘 기반 방식과 딥러닝 기반 방식 모두 객체 분류 및 탐지 성능을 평가할 수 있으며, 차량 제어 로직의 문제점 보완을 위한 정성평가도 지원.

주요 기능
- 데이터 로딩 및 제어
필드 데이터, 테스트 데이터, TCP 소켓 통신 데이터 등을 불러오는 기능을 제공.
재생, 정지 버튼 및 프레임 단위로 평가할 수 있는 기능을 제공하여 정밀 분석을 지원.

- 3D 시각화 및 정성평가 UI
3D Bbox(Bounding Box) 기반으로 보행자, 일반 차량, 트럭, 자전거 등의 실시간 탐지 성능을 시각화.
마우스 드래그를 통한 시점 전환, 마우스 휠을 통한 3D 공간 확대/축소 기능 등 최소한의 필수적인 시각화 제어 기능을 제공.
버드 뷰(Bird's Eye View) 시점 변환, 그리드(Grid) 표시, 블랙박스 화면 등을 동시에 제공하여 정성평가를 용이하게 함.

- 정량 지표 모니터링
스피드, 벨로시티 등 차량 제어와 관련된 여러 정량 지표를 실시간 그래프 형태로 표시하여 개발자가 로직의 문제점을 즉시 파악할 수 있도록 함.