원본 스캔은 너무 무겁습니다
LAS/LAZ는 정확하지만 검수, 공유, 반복 확인에 부적합합니다. 의사결정자에게 보여주기까지의 마찰이 너무 큽니다.
LiDAR-to-Gaussian Splatting engine, runs locally
LiDAR를 편집 가능한 가우시안 스플래팅으로, 당신의 노트북에서.
PointPeek은 클라우드 업로드와 고가 워크스테이션 없이, LAS/LAZ 원본을 경량의 편집 가능한 3D Gaussian Splatting 자산으로 변환하는 로컬 엔진입니다. 측량 등급의 정밀도, 운영에 바로 쓸 수 있게.
Local processing benchmark
약 1.4억 포인트의 도로 LiDAR를 측량 등급 정밀도의 경량·편집 가능 자산으로 — 일반 노트북에서 처리했습니다.
- 입력
- 약 1.4억 포인트 도로 LiDAR
- 처리 환경
- 일반 노트북, 완전 로컬 처리
- 출력
- 경량 자산, 측량 등급 정밀도
Demo gallery
실제로 작동하는 모습.
서울 석촌호수 주변의 대규모 실측 LiDAR 데이터를 노트북에서 편집 가능한 3D 가우시안 스플래팅 자산으로 변환한 사례.
통합된 AI 분할 기능으로 가우시안 스플래팅 자산에서 특정 객체를 실시간으로 분할하고 편집하는 워크플로우.
3km × 2km 도심 영역의 5.5GB 대용량 LAS 데이터를 처리하고 포인트 클라우드와 가우시안 스플래팅으로 실시간 렌더링한 성능 시연.
프랑스 파리 실측 기반의 Paris-CARLA-3D LiDAR 원본 데이터를 PointPeek 로컬 엔진을 통해 3DGS 자산으로 변환 및 복원한 결과.
Why it matters
현재 포인트 클라우드 워크플로우는 검수, 갱신, 공유 단계에서 무너집니다.
클라우드 의존은 비용과 보안을 모두 흔듭니다
대용량 공간 데이터를 매번 업로드하는 흐름은 비용, 시간, 보안 측면에서 부담을 누적시킵니다.
한 번 만든 자산은 갱신할 수 없습니다
도로는 매일 변합니다. 하지만 기존 가우시안 스플래팅은 부분 수정이 어려워, 작은 변화에도 전체를 다시 만들어야 합니다.
The core idea
측량 등급의 정밀도, 믿을 수 있는 결과. 그리고 — 편집됩니다.
PointPeek은 가우시안 자산에 측량 등급의 정밀도를 담아냅니다. 실무에서 신뢰할 수 있는 일관되고 재현 가능한 결과를 제공하며, 영역 단위의 추가, 삭제, 갱신이 가능한 구조로 출력됩니다. 직접 데이터를 다뤄보시면서 확인해보세요.
01 / convert
측량 등급 변환
LAS/LAZ 스캔이 측량 등급 정밀도의 가우시안 자산이 됩니다. 결과는 일관되고 재현 가능합니다.
02 / handle
대용량 로컬 처리
60GB급 데이터를 일반 노트북에서 다룹니다. 클라우드 업로드 없이, 외부 유출 없이.
03 / edit
영역 단위 편집
객체 추가, 삭제, 영역 채우기, 복사·붙여넣기까지. 변경된 구간만 다시 처리하면 됩니다.
Workflow
현장 스캔에서 운영 가능한 3D 자산까지, 한 머신 안에서.
-
1
LAS/LAZ 입력
LAS/LAZ를 기본 지원합니다. 사용자의 판단을 보존하며, 원본 데이터가 결과를 그대로 이끕니다.
-
2
로컬 변환
일반 노트북에서 가우시안 자산을 생성합니다. 매번 일관되고 재현 가능한 결과를 얻습니다.
-
3
검수와 편집
포인트 클라우드와 가우시안 스플래팅을 함께 보면서 검토하고, 영역 단위로 추가·삭제·복사할 수 있습니다.
-
4
운영과 확장
경량 자산은 웹 공유, 부분 갱신, AI·시뮬레이션 연동으로 이어집니다. 처음부터 다시 만들 필요는 없습니다.
Built for spatial operations
현실 기반 3D 자산이 운영 단계에서 작동해야 하는 분야들.
HD맵 생산과 갱신
도로의 변경된 구간만 부분 갱신합니다. 도시 전체를 다시 스캔할 필요가 없습니다.
자율주행 시뮬레이션
실제 도로 기반의 경량 환경에서 QA, 경로 검수, 시나리오 시뮬레이션을 반복합니다.
디지털 트윈 운영
실측 포인트 클라우드를 시각·운영 트윈의 기반으로 두고, 변경 사항을 누적해 갱신합니다.
Physical AI 학습 환경
실측 공간을 로보틱스·자율주행 학습용 환경으로 전환합니다. 합성 데이터의 한계를 보완하는 reality-based 시뮬레이션 자산.
For Physical AI
합성 데이터로는 메울 수 없는 간극을, 실측 공간으로 채웁니다.
Physical AI는 가상에서 학습하고 현실에서 작동해야 합니다. 그 사이의 간극(sim-to-real gap)은 합성 데이터만으로는 좁혀지지 않습니다. PointPeek은 실제로 측정된 공간을 — 편집·갱신·시나리오화가 가능한 자산으로 — 학습 파이프라인에 공급합니다.
실측 데이터에 뿌리를 둔 환경
가우시안 자산에 담긴 측량 등급, mm 수준의 정밀도. 합성된 그럴듯한 환경이 아니라, 실제 도로·공장·도심을 그대로 학습 환경으로 사용할 수 있습니다.
실측 환경 위에 시나리오 만들기
같은 도로 위에 차량을 추가하고, 보행자를 배치하고, 공사 구역을 만들어 봅니다. 실측 환경을 베이스로 두고 변형만 가하기 때문에 시나리오 다양화가 빠르고 일관됩니다.
현실의 변화를 누적하는 환경
도로가 바뀌면 그 구간만 갱신합니다. 학습 환경이 한 번 만들어지고 끝나는 것이 아니라, 현실의 변화를 누적하면서 살아 있는 자산으로 유지됩니다.
외부 유출 없는 학습 자산
측량 데이터, 공장 내부, 보안 시설 — 외부로 보낼 수 없는 데이터도 로컬에서 변환하고 학습에 사용할 수 있습니다. 데이터는 클라이언트 머신을 떠나지 않습니다.
Built for
- 자율주행 SIL/HIL 시뮬레이션
- 로보틱스 정책 학습 환경
- Sim-to-Real 도메인 전이
- 합성 데이터 보강용 reality 베이스
About us
PointPeek은 현실 기반 3D 데이터를 로컬에서 운영하기 위한 LiDAR-to-가우시안 스플래팅 엔진입니다.
실제 운영 현장에서 마주한 문제를 직접 풀기 위해 만들었습니다. 도로 기반 LiDAR에서 먼저 검증을 마쳤고, 다양한 실제 공간 데이터로 협업을 확장하고 있습니다.
- 도입 및 PoC 문의
- 샘플 데이터 기반 성능 검증
- 실내·도심·산업 공간 데이터 협업