2wnswoo 님의 블로그

유체의 정의유체( fluid )는 일정한 형체 없이 자유롭게 변형 가능하면서 흐를 수 있는 물질을 뜻한다. 액체( liquid )와 기체( gas ) 뿐 아니라 플라즈마( plasma )까지 포괄하는 개념이다. 유체의 유동에 대해 탐구하는 유체역학에서는 유체를 보다 공학적으로 정의하게 되는데, 유체역학에서는 유체( fluid )를 어떤 크기의 전단 응력( shear stress )이나 외부 힘( external force )이 작용할 때, 연속적으로 변형하는 물질로 정의한다.유체의 특징 ▼  고체( solid )와 비교했을 때, 분자 사이의 거리( 분자 공간 )이 크다. 이 말은 즉, 유체 분자간 거리가 분자 직경과 비교했을때 월등히 크다는 것을 내포하고 있다. 분자간 거리가 큰 것은 유체가 유체만의 특..

배열 쌓기 함수 : np.tile()넘파이 라이브러리에서 배열을 원하는 모양으로 쌓아올릴 수 있는 함수인 np.tile 함수의 사용법은np.tile( A, repeat_shape ) 형태이며, A 배열이 repeat_shape 형태로 반복되어 쌓이 형태가 반환된다. repeat_shape의 인수로서 3과 같이 정수형태를 넣으면 단순반복 횟수를 나타내고 소괄호 () 형태의 행렬을 넣는다면 그와 같은 형태로서 배열이 만들어진다. 위의 문제를 풀어보자.a = np.zeros((3,3)) b = np.ones((3,2))c = np.hstack((a,b))d = np.arange(1,16) * 10d=d.reshape(3,5)e = np.vstack((c,d))np.tile(e,(2,1))

sort_values 메서드는 값을 기준으로 레이블을 정렬하는 메서드이다. 결측값을 포함하고 있는 5행 3열짜리 데이터프레임을 만들어준다.na = np.NaNdata = [[-3, 'A', 17], [na, 'D', 31], [7, 'D', -8], [15, 'Z', 3], [0, na, -7]]col = ['col1','col2','col3']row = ['row1','row2','row3','row4','row5']df = pd.DataFrame(data=data, columns=col, index=row)by 인수의 사용df.sort_values() 메서드의 인수에는 by= 가 있는데 정렬의 기준이 되는 by에는 레이블명이 되는 str이 올 수도 있..

groupby() 함수는 데이터를 그룹화하여 연산을 수행하는 메서드 입니다. import pandas as pddf = pd.read_csv('C:/Users/ /data/gapminder.tsv', sep='\t')print(df) 판다스를 통해 gapminder.tsv 데이터셋을 출력한다. print(type(df))>>>  파이썬의 내장함수 type()을 사용하여 실행 결과 df의 자료형이 무엇인지 확인 가능하다. 확인결과 df의 자료형은 DataFrame 객체이다. 1개 열 그룹화하기df.groupby('year')['lifeExp'].mean()>>> (출력결과)year1952 49.0576201957 51.5074011962 53.6092491967 55.678290197..

최근 라이다 ( LiDAR ) 센서 기술은 자율주행차, 드론, 로봇 등 다양한 분야에서 급속히 발전하고 있으며,이 기술은 3D 공간 인식을 가능하게 하여 여러 산업에서 혁신을 이끌고 있다. 최근 라이다 센서 기술 발전 동향- 시장 성장 : 라이다 시장은 2021년 15억 달러에서 2030년까지 48억 달러에 이를 것으로 예상되며, 연평균 성장률( CAGR ) 은 13.8%에 달할 것으로 보인다.- 기술 혁신 : 최근 라이다 기술은 AI와 통합을 통해 더욱 정교해지고 있으며, 다양한 응용 분야에서 활용되고 있다.- 다양한 응용 : 자율주행차, 드론, 스마트 시티 등에서 라이다 센서의 사용이 증가하고 있으며, 이는 안정성과 효율성을 높이는 데 기여하고 있다. 'LG이노텍과 현대모비스의 라이다( LiDAR )..

1. 자율주행을 위한 측위 기술- 고정밀 지도의 정보를 자율주행에 활용하기 위해서는 자율주행차량의 위치를 알아내는 측위기술 필요- 자율주행을 위한 측위의 정확도 향상을 위해 환경 인지 센서에 대한 활용이 고려되고 있음- AI 기술을 적용함으로써 Odometry 기술, 맵매칭 기술의 정확도와 신뢰성이 향상될 것으로 기대 2. 측위를 위한 AI 기술2.1 AI 기반의 카메라, 라이다, 통합 Odometry 기술- 카메라 Visual Odometry 기술: 카메라의 움직임에 의한 영상 프레임 사이의 변화를 분석하여 차량의 이동 위치를 추정하는 기술- 라이다 Odometry 기술 : 라이다 포인트 데이터의 움직임을 분석하여 Odometry 수행- 통합 Odometry 기술: 관성항법장치와 카메라 또는 라이다 센..

1. MMS의 개념- Mobile Mapping Systme( 이동식 도면화 시스템 )의 약자- 주행 중인 챠량에 장착된 다양한 센서를 이용하여 세밀한 지형 정보를 획득하여 지도 구축 2. MMS 차량의 구성- DGPS( Differential Global Positioning System )- IMU ( Intertial Measurement Unit )- 라이다- DMI( Distance Measuring Instument )- INS( Inertial Navigation Systme ) 관성항법장치 3. MMS 기반 고정밀 지도 구축 과정- 작업 계획 수립- MMS 시스템 구축- 기준점 선점 및 측량- MMS 표준자료 제작- 포인트 클라우드 데이터 후처리 및 보정- 객체 추출 후 품질 검사, 벡터 ..

1. 고정밀 지도의 필요성- 센서의 제한된 인식 범위 보완 : 수 Km 이상의 도로 정보 취득- 환경 영향에 따른 센서 기능 보완- 센서 객체 인식 성능 향상 : 센서가 감지해야 하는 영역을 지도 정보를 이용하여 축소 2. 기존 측위 기술 소개- GPS 위성 신호를 수신하여 위치 추정- RTK 기술 : 정밀한 위치를 확보한 기준점의 반송파 오차 보정치를 적용하여 수 cm의 정밀도를 표현하는 고정밀 이동측량 기법- 관성항법 장치 : IMU 등 관성 센서 정보를 활용하는 장치 3. 고정밀 지도 기반 측위 기술- SLAM 기술 : 로봇이 스스로 측위를 하는 동시에 지도를 생성하는 기술- 자율주행에서는 MMS 기술을 이용하여 고정밀 지도를 미리 생성- '맵매칭' 방식의 측위 기술 : 인지 기술을 통해 얻은 주변..

1. 고정밀 지도 기반 자율주행의 필요성- 센서만으로 주변의 정적 주행 환경 및 도로, 교통 환경에 대한 정보 수집은 한계가 있음- 차량 주위의 정적 환경에 대한 정밀한 정보를 제공함으로써 자율주행의 안전성을 향상- 자율주행에서 고정밀 지도는 이미 오프라인에서 구축한 후 활용하기 때문에 고정밀 지도 기반의 측위 기술은 인지 기능에 비해 시스템, 계산량 오버헤드가 작은 편- 고정밀 지도를 사용하기 위해 요구되는 사항  - 주행 관련 도로정보들을 포함  - 0.2M 이하의 매우 정밀한 정확도  - 맵매칭을 효과적으로 수행하기 위한 환경 정보 포함  - 도로, 주행 환경이 바뀔 때 마다 실시간 업데이트 지원  - 고정밀 지도가 업데이트될 때마다 OTA를 이용하여 새로운 지도 정보를 자율주행 차량에 무선 전송 ..

1.AI 기반 인지를 위한 반도체 기술- 자율주행차에서 실시간 AI 인지 시스템을 구현하기 위한 지능형 반도체 하드웨어가 요구됨- AI 알고리즘의 성능이 고도로 발전함에 따라 딥러닝 응용의 계산 복잡도는 기하급수적으로 증가- AI 하드웨어 종류 : 그래픽 프로세싱 유닛 ( GPU ), 뉴럴 프로세싱 유닛 ( NPU ) 2. AI 기반 인지를 위한 지능형 반도체 사례2.1 테슬라 FSD 컴퓨터- 칩셋과 파워서플라이를 여분으로 2개를 두어 고장이나 오류 발생 시 계산의 신뢰성을 높임- 센서 정보를 수신할 수 있는 인터페이스 장착- 40 와트 이하의 전력 소모량- 가속기를 장착하여 뉴럴네트워크 연산을 50 테라 초당 명령 수 속도로 수행가능- 일반적인 전처리, 후처리 등의 범용계산을 위해 GPU와 CPU 장착..