2wnswoo 님의 블로그

[Automation System] 05

신호 조절 과정의 개요신호는 센서나 외부 환경으로부터 받아들이는 입력이기 때문에, 자동화 시스템에서는 이를 효과적으로 처리하고 전달하기 위한 다양한 신호 조절이 필요하다. 주로 다음과 같은 과정이 포함된다:보호(Protection)고전압, 고전류에 의해 회로가 손상되지 않도록 보호 회로를 구성한다.이는 보드, 부품의 파손 방지를 위한 필수 단계이다.신호 형태 변환(Signal Type Conversion)저항값, 전류값 등 다양한 센서 출력은 원하는 형태(예: 전압)로 변환되어야 한다.아날로그 신호 → 디지털 신호 변환도 필요하며, 이는 후속 디지털 제어를 위한 전처리 단계이다.신호 크기 조절(Amplification)센서로부터 들어오는 신호는 매우 미세한 경우가 많아, 이를 처리 가능한 수준으로 증폭(..

입력과 출력에 따라 네 가지로 모델링 해볼 수 있다. many-to-many 에서,첫 번째는 translation 같이 즉시 결과값이 나오는 것에 해당.두 번째는 Q n A 처럼 입력값이 다 입력된 후에 결과 값이 나올 수 있는 것들임 --  CNN은 Parameter Sharing을 통해 MLP 대비 Parameter의 수를 줄일 수 있었다. *sharing : 공유하는 것CNN (합성곱 신경망)CNN은 필터(커널) 하나를 이미지 전체에 적용하면서 특징을 추출합니다. 즉, 같은 가중치(필터)가 이미지의 모든 위치에 적용됩니다.파라미터의 수 계산:필터 크기 = 3×3 (즉, 9개의 가중치)필터 하나가 이미지 전체에 사용되기 때문에, 학습해야 하는 파라미터의 수는 9개입니다.👉 중요 포인트:MLP의 경우..

Functor 함자  C++ 언어에서 함자는 함수 객체, function object라고 한다. 함수처럼 호출할 수 있는 객체 collable object를 말함 C++에서 함자(Functor)를 사용하겠다는 것은 결국 operator() 함수를 정의하여 객체를 함수처럼 호출할 수 있도록 만들겠다는 의미 객체를 함수처럼 호출하고 싶다면? → operator() , 함자 사용

벤치마크 데이터셋 : 여러 연구자들이 공동으로 쓸 수 있는 데이터셋을 의미 Ex. COCO 데이터셋, 이미지넷, KITTI data set, nuScenes dataset 등Data Augmentation 증강 은 데이터가 부족할 때, 기존의 데이터를 변형해서 새로운 정보인 것 처럼 가공해서 사용하는 것을 말함 > 이런 행위가 인공지능한텐 효과가 있고, 새로운 데이터라고 받아들임.Crop 잘라내기, Brightness 밝기 변화, Rotation 회전, Flip 좌우, 위 아래 반전, Saturation 채도변화주기,    These materials are derived from Prof. Park Jin-sun of the Department of Information and Computer Engi..

분류 Classification : 각 데이터가 어떤 클래스에 속하는지 판별하는 것이 목적V2V, Vehicle to Vehicle : 전방 차량의 정보가 우리 차량에까지 정보가 전달됨을 의미한다.Radar는 앞 차량의 가감속 정보를 정확하게 인식하지 못한다는 단점이 있음이를 V2V 통신을 통하여 앞 차량의 데이터를 받아 안정적인 자율주행 구현

차선 추출 과정컬러 이미지를 그레이 영상으로 변환: 컬러 이미지는 일반적으로 RGB로 되어 있으므로, 차선 추출을 위해서는 그레이스케일로 변환하는 것이 효율적입니다. 이 단계에서는 색상 정보가 제거되고, 밝기 정보만 남게 됩니다.잡음 제거를 위한 필터 적용 (예: GaussianBlur): 이미지에는 노이즈가 포함될 수 있기 때문에, 이를 제거하기 위해 가우시안 블러(GaussianBlur)와 같은 필터를 사용합니다. 이는 이미지의 경계를 부드럽게 하여, 후속 Edge 검출 과정에서 잘못된 경계를 제거하는 데 도움을 줍니다.Edge (경계) 추출: 이 단계에서는 Canny Edge Detection이나 Sobel 필터 등을 이용해 이미지에서 경계를 추출합니다. 경계는 차선 검출에서 중요한 정보를 제공하므..

카메라 : 사람과 사물, 차량 등으로 분류하면서 주변 물체 식별어두운 공간이나 악천후 상황에서는 사물 식별 어려움원근감 정확한 판별 불가레이더 : 반사되어 돌아오는 신호를 기반으로 거리, 속도, 방향 등의 정보를 추출날씨, 시간과 관계없이 제 성능을 발휘, 주파수에 따라 단거리부터 중거리, 장거리를 모두 감지할 수 있음ADAS( ACC ) 에 사용물체의 정확한 식별 불가라이다 : 물체와 빛을 주고받으며 3차원 지도를 제작센서 융합, Sensor Fusion 은 :각 센서에서 인식된 정보를 하나로 결합, 자율주행이 가능하도록 한 기술사람과 사물, 차량 등으로 분류하면서 주변 물체 식별어두운 공간이나 악천후 상황에서는 사물 식별 어려움원근감 정확한 판별 불가센서의 Data 처리 이전 융합 방법카메라 2D 이..

RNN, Recurrent Neural Network 대표적인 딥러닝 모델 중 하나시계열 데이터 같은 순차 데이터( Sequential Data ) 처리를 위한 모델로 잘 알려짐순차 데이터의 대표적인 예시 :01 시계열 데이터 : 일정한 시간 간격을 가지고 얻어낸 데이터 Ex. 차량의 주행 속도와 가속도, 주변 장애물과의 거리 데이터를 시간에 따라 기록한 것02 자연어 데이터 : 사람이 말하는 언어 Ex. 차량이 음성 인식을 통해 운전자가 "왼쪽으로 가"라고 말했을 때, 이를 이해하고 적절히 반응하는 과정보행자의 의도를 예측 및 장애물 탐지자동차가 시간에 따라 움직인 데이터를 학습하여 미래의 경로를 예측--YOLO 단점을 보완한 것이 SSDObject Detection은 객체 분류( Clasificat..

인공지능 : 인간이 가진 지적 능력을 컴퓨터로 구현하는 기술머신러닝 : 컴퓨터가 스스로 학습하여 성능을 향상시키는 기술딥러닝 : 인공신경망 방식으로 정보를 처리하는 기술인공지능 ) 머신러닝 ) 딥러닝 순서위치추정 : 나는 지금 어디에 있는가?, 내 주변에는 무엇이 있는가?판단 : A에서 B까지 어떻게 가야 하는가? 머신러닝의 구분지도학습 : 알고리즘을 학습시킬 때 입력( 문제 ) 과 출력( 정답 )의 데이터들로부터 새로운 입력에 대한 출력을 결정할 수 있는 패턴을 추출분류 : 주어진 데이터를 정해진 카테고리( 라벨 )에 따라 분류하는 문제. 이진 분류 문제, 다중 분류 문제가 있다.회귀 : 어떤 데이터들의 feature을 기준으로 연속된 값 또는 그래프를 예측하는 문제비지도학습 : 정답이 없고 무엇을 할..

01. State feedback with Feedforward Term 제어기피드포워드 항이 포함된 State Feedback 제어기자, 자동차를 운전할 때를 생각우리는 목적지까지 잘 가기 위해 핸들을 돌리고, 가속 페달을 밟고, 브레이크도 밟아.그런데만약에 언덕이 있다면?그냥 속도만 보고 운전하면 언덕에서 속도가 느려짐그래서 미리 가속 페달을 더 밟아서 속도를 유지해야 함이게 바로 피드포워드(Feedforward) 제어다.즉, 미래의 변화(언덕)를 예측하고 미리 반응하는 것정리✅ State Feedback 제어기 → "현재 상태를 보고 조절"✅ 피드포워드 항 추가 → "앞으로 변할 걸 미리 알고 조절!"즉, State Feedback + 피드포워드를 쓰면반응이 더 빠르고 부드러운 제어가 가능하다.--..