--- title: 첫 번째 씬 업로드하기 slug: api-guide/ko/qn6QHCJGQYb3xzxMUNuH5 docTags: createdAt: 2024-12-06T10:04:28.000Z --- 원시 데이터를 Kognic 플랫폼에 업로드할 때는 **씬**의 형태로 업로드해야 합니다. 씬은 이미지, 포인트 클라우드 및 기타 센서 데이터 등 다양한 소스에서 나온 데이터의 집합입니다. 이 가이드는 2D(카메라 전용) 또는 3D(카메라와 라이다/레이더)로 첫 번째 씬을 업로드하는 과정을 안내합니다. ## 사전 요구 사항 [빠른 시작](docId\:J6rPQVoRf7BE4nA1DSk2P) 가이드를 성공적으로 완료했고 `kognic-io` 라이브러리가 설치되어 있어야 합니다. 여러 워크스페이스에 접근 권한이 있는 사용자는 [고급 설정](docId\:PN7g44HOAl8gvbqpgAgqF)해야 합니다. ## 코드 예제 :::::ExpandableHeading ### 2D 씬 업로드하기 2D 씬을 업로드하려면 원본 이미지가 로컬 머신에 있어야 합니다(또는 원격 데이터를 위한 [개요](docId\:xAwAXwb1W8z2C0XhkUn4P)을 생성해야 합니다). 이는 두 단계로 진행됩니다. 1. Python에서 씬 객체 만들기 2. 씬 객체를 Kognic 플랫폼에 업로드하기 아래에 몇 가지 다른 경우에 대한 예제가 있습니다. ::::Tabs :::Tab{title="One Image"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.scene.cameras import Cameras, Frame from kognic.io.model.scene.resources import Image # 1. Build scene object scene = Cameras( external_id="my-first-scene", frame=Frame(images=[Image(filename="path/to/image.jpg")]) ) # 2. Upload scene client = KognicIOClient() scene_uuid = client.cameras.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::Tab{title="Multiple Images"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.scene.cameras import Cameras, Frame from kognic.io.model.scene.resources import Image # 1. Build scene object scene = Cameras( external_id="my-first-scene", frame=Frame( images=[ # Sensor names must be unique Image(sensor_name = "CAM1", filename="path/to/image1.jpg"), Image(sensor_name = "CAM2", filename="path/to/image2.jpg") ], ) ) # 2. Upload scene client = KognicIOClient() scene_uuid = client.cameras.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::Tab{title="Sequence"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.scene.cameras_sequence import CamerasSequence, Frame from kognic.io.model.scene.resources import Image # 1. Build scene object scene = CamerasSequence( external_id="my-first-scene", frames=[ # Relative timestamps must be unique and strictly increasing Frame( relative_timestamp=0, frame_id="1", images=[Image(filename="path/to/image1.jpg")], ), Frame( relative_timestamp=100, frame_id="2", images=[Image(filename="path/to/image2.jpg")], ), Frame( relative_timestamp=200, frame_id="3", images=[Image(filename="path/to/image3.jpg")], ), ] ) # 2. Upload scene client = KognicIOClient() scene_uuid = client.cameras_sequence.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::: ::::: :::::ExpandableHeading ### 2D/3D 씬 업로드하기 2D/3D 씬을 업로드하려면 원본 이미지와 포인트 클라우드가 로컬 머신에 있어야 합니다(또는 원격 데이터를 위한 [개요](docId\:xAwAXwb1W8z2C0XhkUn4P)을 생성해야 합니다). 추가로 캘리브레이션 데이터도 있어야 합니다. 이는 세 단계로 진행됩니다. 1. [캘리브레이션 개요](docId\:wpoiuoy8AgVrpxZX-ORxm) 생성하기 2. 이전 단계의 캘리브레이션을 참조하여 Python에서 씬 객체 만들기 3. 씬 객체를 Kognic 플랫폼에 업로드하기 아래에 몇 가지 다른 경우에 대한 예제가 있습니다. ::::Tabs :::Tab{title="One Image"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.calibration import SensorCalibration, PinholeCalibration, LidarCalibration from kognic.io.model.scene.lidars_and_cameras import LidarsAndCameras, Frame from kognic.io.model.scene.resources import Image, PointCloud client = KognicIOClient() # 1. Create calibration (see calibration section for more details) sensor_calibration = SensorCalibration( external_id = "my-first-calibration", calibration = { "CAM": PinholeCalibration(...), "lidar": LidarCalibration(...) } ) created_calibration = client.calibration.create_calibration(sensor_calibration) # 2. Build scene object scene = LidarsAndCameras( external_id=f"my-first-scene", calibration_id = created_calibration.id, frame=Frame( images=[Image(sensor_name = "CAM", filename="path/to/image.jpg")], point_clouds=[PointCloud(sensor_name = "lidar", filename="path/to/pointcloud.pcd")] ) ) # 3. Upload scene scene_uuid = client.lidars_and_cameras.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::Tab{title="Multiple Images"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.calibration import SensorCalibration, PinholeCalibration, LidarCalibration from kognic.io.model.scene.lidars_and_cameras import LidarsAndCameras, Frame from kognic.io.model.scene.resources import Image, PointCloud client = KognicIOClient() # 1. Create calibration (see calibration section for more details) sensor_calibration = SensorCalibration( external_id = "my-first-calibration", calibration = { "CAM1": PinholeCalibration(...), "CAM2": PinholeCalibration(...), "lidar": LidarCalibration(...) } ) created_calibration = client.calibration.create_calibration(sensor_calibration) # 2. Build scene object scene = LidarsAndCameras( external_id="my-first-scene", calibration_id = created_calibration.id, frame=Frame( images=[ Image(sensor_name = "CAM1", filename="path/to/image1.jpg"), Image(sensor_name = "CAM2", filename="path/to/image2.jpg"), ], point_clouds=[PointCloud(sensor_name = "lidar", filename="path/to/pointcloud.pcd")] ) ) # 3. Upload scene client = KognicIOClient() scene_uuid = client.lidars_and_cameras.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::Tab{title="Sequence"} ```python from kognic.io.client import KognicIOClient from kognic.io.model.calibration import SensorCalibration, PinholeCalibration, LidarCalibration from kognic.io.model.scene.lidars_and_cameras_sequence import LidarsAndCamerasSequence, Frame from kognic.io.model.scene.resources import Image, PointCloud client = KognicIOClient() # 1. Create calibration (see calibration section for more details) calibration = { "CAM": PinholeCalibration(...), "lidar": LidarCalibration(...) } sensor_calibration = SensorCalibration( external_id = "my-first-calibration", calibration = { "CAM": PinholeCalibration(...), "lidar": LidarCalibration(...) } ) created_calibration = client.calibration.create_calibration(sensor_calibration) # 2. Build scene object scene = LidarsAndCamerasSequence( external_id="my-first-scene", calibration_id = created_calibration.id, frames=[ # Relative timestamps must be unique and strictly increasing Frame( relative_timestamp=0, frame_id="1", images=[Image(sensor_name = "CAM", filename="path/to/image1.jpg")], point_clouds=[PointCloud(sensor_name = "lidar", filename="path/to/pointcloud1.pcd")] ), Frame( relative_timestamp=100, frame_id="2", images=[Image(sensor_name = "CAM", filename="path/to/image2.jpg")], point_clouds=[PointCloud(sensor_name = "lidar", filename="path/to/pointcloud2.pcd")] ), Frame( relative_timestamp=200, frame_id="3", images=[Image(sensor_name = "CAM", filename="path/to/image3.jpg")], point_clouds=[PointCloud(sensor_name = "lidar", filename="path/to/pointcloud3.pcd")] ), ] ) # 3. Upload scene scene_uuid = client.lidars_and_cameras_sequence.create(scene).scene_uuid print("Scene uploaded, got uuid:", scene_uuid) ``` ::: :::: :::hint{type="info"} 여러 개의 포인트 클라우드도 지원되지만, 조금 더 많은 데이터가 필요하므로 위 예제에는 표시되지 않았습니다. 자세한 내용은 [모션 보상](docId\:SDgyFJM5eF6B9NV-1PfZG) 섹션을 참고하세요. ::: ::::: :::ExpandableHeading ### ZOD 데이터 사용하여 업로드하기 2D, 3D, 집계된 3D 씬을 포함하여 [Zenseact Open Dataset (ZOD)](https://zod.zenseact.com/) 데이터를 사용해 씬을 업로드하는 예제 코드와 튜토리얼을 제공합니다. [ZOD 데이터 업로드](docId\:zOPDNRMtOnZ9uU92tBRb2) ZOD 데이터를 다운로드했고 Kognic API 자격 증명이 있다면, 예제는 별도 설정 없이 바로 실행되어 실제로 동작하는 씬을 생성합니다! ::: ::::ExpandableHeading ### 버킷 내 파일로부터 씬 생성하기 :::hint{type="info"} `kognic-io>=2.5.1`에서 지원됩니다. ::: 이 기능을 사용하려면 [데이터 통합](#)을 구성해야 합니다. Kognic이 지원하는 형식으로 데이터를 버킷에 두고 해당 버킷에 대한 데이터 통합을 설정했다면, 스크립트로 데이터를 다운로드 및 업로드하는 대신 버킷 내 파일 경로를 제공하여 씬을 생성할 수 있습니다. 이 예제는 완전한 2D+3D 씬이지만, 포인트 클라우드, IMU 데이터, 자차 포즈를 제거하면 2D 전용 씬으로 축소할 수 있습니다. 이 방식은 씬 타입을 지정할 필요가 없는 최신 씬 모델을 사용합니다. 씬 타입은 이미지와 포인트 클라우드의 존재 여부로부터 추론되며, 이 방식으로 생성된 씬은 항상 '시퀀스' 타입 씬입니다. 코드 예제 및 더 많은 정보는 [씬 예제](docId\:sjRpHDrAAaP8-FWO7xYg_)에서 확인할 수 있습니다. 이 방식으로 업로드하는 IMU 데이터는 다음 형식의 JSON이어야 합니다. ```javascript [ { "postion": { "x": 0.0, "y": 0.0, "z": 0.0 }, "rotationQuaternion": { "w": 0.0, "x": 0.0, "y": 0.0, "z": 0.0 } "timestamp": }, ... ] ``` ::::