**Autonomous driving tech. 153

[ROS2] Mobile robot, Matrixes

모바일 로봇( Mobile Robot )어떤 공간 안에서 이동할 수 있는 유형의 로봇. 두 가지로 나눌 수 있음.AGV( Automated Guided Vehicle )AMR( Autonomous Mobile Robot )AGV? 로봇이 이동하는 데 가이드를 해줄 수 있는 인프라( 레일, 바닥의 선, 마그네틱 스트립 등 ) 사용하여 미리 결정된 경로를 따라 이동하는 로봇. 이동 경로에 장애물 있으면 운행 불가AMR?미리 물리적으로 결정되어 있는 경로를 따라가는 것이 아닌 자율적으로 이동할 수 있는 로봇자율 이동 로봇이 해결해야 하는 문제1. Localization - Where am I?2. Mapping - What does the environment look like?3. Path planning ..

MicroAutoBox (dSPACE) 교육

🔹 RCP(Rapid Control Prototyping)란?제어 시스템을 개발할 때, 수식만으로 설계하는 것이 아니라 실제 하드웨어에서 실시간 테스트를 수행하는 방법MATLAB/Simulink, dSPACE, NI LabVIEW 같은 툴을 사용하여 제어 알고리즘을 직접 차량이나 로봇 등에 적용시뮬레이션 단계에서 끝내지 않고, 하드웨어에서 실시간(real-time)으로 동작 확인 가능🔹 1. CAN (Controller Area Network) 통신➡ 멀티 마스터 방식의 고속 차량용 네트워크 프로토콜✅ 사용처파워트레인(엔진, 변속기)ABS, ESP(차량 안정성 제어 시스템)자율주행 센서 데이터 전송 (LIDAR, RADAR, 카메라 등) 🔹 2. LIN (Local Interconnect Netwo..

[Seminar] 3D 로봇비전시스템 이해

*ply 파일"*ply"는 일반적으로 "Polygon File Format" 또는 "Stanford Triangle Format"을 의미합니다. 이는 3D 모델을 저장하기 위한 파일 형식으로, 주로 점, 색상, 텍스처 정보 등을 포함합니다. 로봇 캘리브레이션에서는 주로 3D 스캔 데이터나 모델을 저장하고 처리하는 데 사용 PLC, Programmable Logic Controller:산업 자동화를 위해 설계된 전자 장치입니다. 주로 기계나 공정의 동작을 제어하는 데 사용 LAN( Local Area Network ) 통신:제한된 지역 내에서 컴퓨터와 장치들이 서로 연결되어 정보를 공유하는 네트워크를 의미수십 미터에서 몇 킬로미터까지 연결될 수 있다. 오일러 앵글( Euler angles ):물체의 회전을..

[SLAM] SLAM 종류 및 특징

Visual SLAM (V-SLAM): 카메라를 사용하여 환경을 인식하고 위치를 추정하는 방법입니다. 주로 2D 또는 3D 비디오 데이터를 활용합니다.LiDAR SLAM: 레이저 스캐너인 LiDAR를 사용하여 환경을 스캔하고 위치를 추정하는 방식입니다. 주로 외부 환경에서 높은 정밀도로 사용됩니다.-Indoor SLAM: 실내 환경에서 사용되는 SLAM 기법으로, 보통 제한된 공간에서의 위치 추정과 지도 생성을 목표로 합니다.Outdoor SLAM: 외부 환경에서 작동하는 SLAM으로, 넓은 공간에서의 위치 추정과 지도 생성을 포함합니다.RGB-D SLAM: RGB 카메라와 깊이 센서를 함께 사용하여 3D 정보를 얻고 위치를 추정하는 방법입니다.Mono SLAM ( Monocular Simultaneou..

[Seminar] 미래 AI 로봇 리더를 위한 로드맵과 학습과정

ROS가 기본적으로 제공하는 프로그램이 다소 비효율적이다.로봇이 원하는 대로 잘 움직이지 않는다. ( 공감함 )A* 알고리즘을 활용하여 중간의 몇 개 포인트를 반드시 거쳐야 하는 점으로 웨이포인트를 지정한다.웨이포인트를 반드시 지나가도록 하는 패키지를 만든다.단순히 딥러닝을 이용해 자율주행을 구현하는 것은 어렵지 않다.하지만 단순한 기능 하나를 구현하는 것이 아니라, 서비스 전체를 구현하는 것이 목표였다.굳이 표현하자면, 관제 시스템이라고 할 수 있다. ( 바퀴의 전압, 센서 정보 등을 모니터링할 수 있도록 함 )이러한 GUI를 꾸미는 것은 중요하지 않다.ROS의 네비게이션 패키지는 비효율적이다. ( 공감함 )QT, DB( 서비스를 구현할 때 하루에 주문되는 Task의 개수 등을 정리하는 데 DB가 효율..

[자율주행제어 이론 및 실습] Feedback with Feedforward term, ACC( Constant Time Gap Strategy ), HILS

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.--..

[Paper review] A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots

-- Abstract 본 논문은 쿼드로터 마이크로 항공기를 이용하여 숲길을 따라 가면서 카메라로 사진을 찍고, 그 사진 한 장과 DNN을 사용하여 방향을 알아낸다. Index Terms—Visual-Based Navigation; Aerial Robotics; Machine Learning; Deep LearningSummary video01 AAAI 2016 Video Contest *monocular image( 단안 이미지 ) : 하나의 카메라로 찍은 사진을 말함, 스마트폰 카메라나 일반 카메라로 찍은 사진이 이에 해당됨. 3D 깊이 정보를 제공하지 않아서 물체의 거리나 위치를 정확하게 파악하는 데에 한계가 있음 Introduction컴퓨터 비전 및 로봇 공학 문헌은 주로 포장도로와 숲/사막 도로 ..

[NeRF] Instant Neural Graphics Primitives with a Multi-resolution Hash Encoding

*Neural Graphics Primitives : 신경망을 이용하여 생성되는 그래픽스의 기본 요소를 의미, 3D 모델, 텍스처, 조명 효과를 포함한다.*Multi-resolution Hash Encoding : 다중 해상도 해시 인코딩을 사용하여 데이터를 효율적으로 저장, 처리하는 방법을 나타낸다.* Aliasing( 계단 현상, 왜곡 현상 ) : 신호 처리나 그래픽에서 해상도가 충분하지 않아 발생하는 왜곡 현상을 의미해. 쉽게 말하면, 부드러워야 할 선이나 곡선이 깨져 보이거나, 원래 신호가 잘못된 형태로 표현되는 것 *NeRF( Representing Scenes as Neural Radiance Fields for View Synthesis ) : 2D 이미지 여러 장을 학습해서 3D 공간을 복..

[SLAM] Position, Sensing, Path planning

1) PositionGPS ( Gloabl Positioning System )실내에선 불가능, 오차가 발생함추측방법( Dead Reckoning )양 바퀴 축의 회전 값을 이용Dead Reckoning이란 GPS 사용 없이, 속도와 방향을 이용해 얼만큼 이동하였는지, 현재의 위치를 추정하는 방식이동 거리와 회전 값을 계산, 위치 측정바닥 슬립, 기계적, 누적 오차 발생IMU 등의 관성 센서, 필터로 위치 보상바퀴의 회전량 측정하는, 엔코더가 Dead Reckoning에 해당2) Sensing거리 센서LRF( Laser Range Finder ), 초음파센서, 적외선 거리센서, LiDAR비전 센서Depth camera, RGB camera, Stereo camera3) Path planning목적지까지 ..

[Paper review] SegFormer: Simple and Efficient Design for SemanticSegmentation with Transformers

SegFormerSegFormer는 이미지 분할을 위한 딥러닝 모델로, 특히 비디오 및 사진에서 객체를 정확하게 분할하는 데 사용됩니다. 이 모델은 Transformer 아키텍처를 기반으로 하여, 다양한 크기의 객체와 복잡한 배경에서 효과적으로 작동할 수 있도록 설계되었습니다.*Resolution : 해상도*Hierarchical : 계층적인ViT, Visual TransformerViT(Visual Transformer)는 이미지 인식을 위해 설계된 딥러닝 모델로, Transformer 아키텍처를 기반으로 합니다. 전통적인 CNN( 합성곱 신경망 ) 대신 Transformer를 사용하여 이미지 데이터를 처리하는 방식이 특징입니다.패치 처리: 이미지를 작은 패치로 나눈 후, 각 패치를 입력으로 사용하여 ..