[G1-Sync] Manual knowledge update

10_Wiki/Topics/Point-Cloud-Processing.md

@@ -2,11 +2,11 @@
 id: CV-POINT-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [computer-vision, point-cloud, 3d-deep-learning, lidar, robotics, autonomous-driving, pointnet]
+tags: [[[Computer-Vision]], point-cloud, 3d-[[Deep-Learning]], lidar, [[Robotics]], autonomous-driving, pointnet]
 last_reinforced: 2026-04-26
 ---
 
-# Point Cloud Processing (포인트 클라우드 처리)
+# Point Cloud [[Processing]] (포인트 클라우드 처리)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "무질서하게 흩어진 수백만 개의 점들 사이에서 공간의 질서와 사물의 형상을 발굴하여, 기계에게 완벽한 3D 입체 시각을 선사하라" — 3D 공간상의 좌표점 집합(Point Cloud)으로부터 개체를 식별하고 분류하며 기하학적 구조를 추출하는 컴퓨터 비전 기술.
@@ -17,7 +17,7 @@ last_reinforced: 2026-04-26
     - **Point-based (PointNet):** 점 데이터를 직접 처리하여 대칭 함수로 특징 추출.
     - **Voxel-based:** 3D 공간을 격자(Voxel)로 나누어 3D CNN 적용.
     - **Graph-based:** 점들을 그래프의 노드로 보고 기하학적 관계 학습.
-- **의의:** 자율주행차의 정밀한 장애물 거리 측정, 산업용 로봇의 정교한 물체 집기, 디지털 트윈(Digital Twin) 구축 등 3차원 물리 환경과 상호작용하는 모든 지능형 시스템의 필수 기반 기술.
+- **의의:** 자율주행차의 정밀한 장애물 거리 측정, 산업용 로봇의 정교한 물체 집기, 디지털 트윈([[Digital Twin]]) 구축 등 3차원 물리 환경과 상호작용하는 모든 지능형 시스템의 필수 기반 기술.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 점 데이터를 처리하기 위해 2D 이미지로 투영(Projection)하던 방식에서, 이제는 데이터의 원형을 보존하며 3차원 기하 구조를 직접 학습하는 신경망(PointNet++, DGCNN 등)이 실질적인 표준이 됨.