2wnswoo 님의 블로그

SLAM과 Navigation의 차이- SLAM : 로봇이 임의의 공간을 탐색하면서 만들어진 경로와 주변 정보를 지도 형태로 표현- Navigation : SLAM이 작성한 지도 기반으로 특정 위치까지 이동하기 위한 최적의 경로를 생성 Visual SLAM, 시각 기반 SLAM이미지 데이터를 활용하여 SLAM하는 것 장점 : IMU 센서, 휠 엔코더 센서, GNSS( 위성신호 이용 )은 내부에서 발생하는 오차에 의해 성능이 크게 저하되는 반면Visual SLAM은 내부에서 발생하는 오차가 없다. 단점 : 픽셀 단위로 분석해야하므로 많은 연산량 요구,다양한 환경에서도 이용 가능한 강인한 알고리즘 요구 Loop closure :카메라( 이미지 매칭 )이나 라이다( 패턴 매칭 )으로 획득한 데이터를 통하여 방..

SLAM이 어려운 환경대칭 구조, 공간에 특색( 특징점 )이 없는 환경 SLAM 센서의 용어감도( Sensitivity )센서가 입력값에 대해 민감하게 반응하는 정도정확도( Accurancy )센서의 출력값과 실제 값의 일치성실제값을 센서가 그대로 반영할 수 있는지의 여부정밀도( Precision )센서 결과값의 균일함( 표준편차 )센서 결과값의 변화가 없는 것이 이상적DoF( Degrees of Freedom, 자유도 )어떤 물체가 독립적으로 움직일 수 있는 방향이나 축의 개수를 의미한다.Ex. 자동차는 3DoF, 앞 뒤로 움직이고 YAW 방향으로 움직이므로 Monocular 와 Stereo 의 가장 큰 차이점- Monocular는 깊이 정보가 부족하고, 2D이미지만 처리한다.- Stereo는 두 개의..

SLAM 방법론은 크게 4가지로 나눈다.필터 : ( 확장 )칼만 필터, 파티클 필터, 예측-업데이트 과정을 반복적으로 수행예측은 데이터 수집과 매칭을 통한 현재 상태에 대한 예측값 생성업데이트는 예측값과 실제 측정값 사이의 오차를 기반으로 현재 상태 업데이트비전이미지 속에 포함된 특징을 매칭하여 상태를 예측하는 기법강인한 특징 모델 생성 및 매칭 기법이 중요그래프노드와 간선을 통해 간략화된 정보 기반 > 특징 매칭, 필터 계산 효율성 개선을 위해 활용딥러닝인공신경망에 대한 학습을 통해 최적의 결과를 만들어 내도록 시도최근 인공지능의 영상 데이터 분석 성능 향상 이러한 방법들을 조합하여 사용하는 것이 일반적이다.Ex. 탐색을 위한 전략은 필터 기반( 탐색에 강함 ) 으로 사용, 매칭을 위한 방법으로는 비전..

Perception 로봇의 눈인 카메라를 통해 얻어지는 영상 정보를 분석하여 로봇이 주변을 파악하고 그에 따라 능동적으로 대처할 수 있게 하는 기술컴퓨터 비전 기술에 기반하고 있음인공지능 기술로 확장정확도는 비약적으로 상승Perception으로 얻어진 로봇이 주변 상황을 파악했으면 로봇이 주변 환경과 상호작용하기 위해 Object Detection, Tracking 하는 것은 필수적이다. 주변에서 Detection 된 Object 들이 어떤 속성, 카테고리인지를 Recogition까지 해야 로봇이 어떻게 상호작용할 지 판단 가능-object detction :bounding box로 클래스를 매기는 것, 가장빠름 bounding box만 치면 되므로-semantic segmentation :픽셀로 구분하..

Navigation Stack 로봇이 발견할 수 있는 모든 장애물을 피하면서 로봇을 한 지점에서 다른 지점으로 자율적으로 이동하는 데 사용되는 ROS 노드 및 알고리즘 세트로봇의 주행 거리 측정 데이터와 라이다와 같은 각종 센서의 데이터를 입력해 사용로봇을 지정된 목표 위치로 이동시키기 위해 필요한 속도 명령을 출력해 모바일 베이스로 보냄Nav2( ROS2 공식 네비게이션 스택 ), RMF( 다중 로봇을 위한 네비게이션 프레임워크 ), Movelt ( 매니퓰레이터용 )Manipulation주변 환경의 무언가를 조작하는 로봇, manipulator세상의 무언가를 로봇을 이용하여 물리적으로 변경하는 것인간이 수행하기 어려운 작업에 대한 솔루션을 제공하고 있다.반복적이거나 불쾌하거나 고도의 정밀도를 요구하는,..

결정론적 path-planning 방법 ( A* ) 의 단점 :- 가장 인기 있고 널리 사용되는 Path-planning 알고리즘이나, 지도 크기와 차원 측면에서 확장성이 좋지 않음- 대부분 2차원 이동 로봇과 자유도가 낮은 로봇로 제한됨 확률적 path-planning 방법의 특징- 다양한 경로 계획 알고리즘 계열을 형성함- 복잡한 고해상도 및 고차원 경로 계획 문제를 해결하는 데 널리 사용됨--Rapidly-exploning-Random Trees, RRT무작위로 생성되는 노드가 지도의 탐색되지 않은 영역으로 트리를 확장하여 알고리즘이 지도를 빠르게 탐색하도록 하는 데 매우 효과적이다. 다른 경로 계획 알고리즘에 비해 상당히 빠르다.고차원 동적 환경 내 실시간 경로 계획에서 우수하다.그리드 맵, 연속..

Path-planning결정론적 접근경로 계획 중 환경의 변화나 불확실성을 고려하지 않은 경우에 효과적주어지는 환경이 유사할 경우 동일한 경로 계획 결과 도출Dijkstra, A* 확률론적 접근환경의 불확실성, 동적인 요소들을 고려하여 로봇의 경로를 계획하는 데에 유용무작위성을 활용하여 다양한 환경에서 효과적으로 빠르게 경로를 찾을 수 있음RRT, Potential Field--휴리스틱( Heuristic ) : 문제를 해결할 때, 경험이나 직관을 바탕으로 문제를 해결하는 방법, 완전한 해결책을 보장하진 않지만 빠르게 방법을 제시할 때 사용된다. Ex01.퍼즐을 맞출 때, 모든 조각을 하나하나 다 맞추는 것보다, 색이나 모양이 비슷한 조각을 먼저 맞춰보는 것.Ex02.길 찾기, 지도에서 직선으로 가는 길..

Particl Filter로컬라이제이션 기법에서 가장 많이 사용되고 있음 --Cartographer특별한 로봇 플랫폼과 센서 구성에 제한없이 2D 및 3D로 실시간 동시 위치 파악 및 매핑하는 것Google이 개발하여 오픈소스로 공개한 SLAM 시스템ROS 패키지와 연동하게 되어 있음

Filter :입력되는 값들에서 노이즈나 잡음, 또는 불확실성을 제거하여 보다 정확한 출력 추정치를 얻는 것센서를 이용하여 예측, 보정(correction)이 지속적으로 이루어짐Bayes Filter :과거값을 사용하여 보다 정확한 추정을 제공하는 추정 알고리즘 베이즈 필터의 역할 : - 이전 상태 ut-1과 현재의 제어 명령값 ut를 이용하여 현재 상태 xt를 예측하는 역할- 예측한 현재 상태 xt를 알고 있을 때 센서값을 확률을 기반으로 보정하는 역할- 베이즈 필터의 단점 :Prediction 할 때 사용되는 적분 연산에서 문제 발생 - 해결방법01. 적분이 되는 식만 사용하는 방법( 노이즈가 가우스의 확률 분포를 따른다고 가정이 전제조건 )- 노이즈가 가우스 정규분포를 따른다고 가정 > Kalman..

URDF( Unified Robot Description Format ) XML 파일 형식으로 로봇의 기구에 해당되는 링크와 동적인 움직임을 갖는 조인트 등으로 로봇을 모델링하는 것시각화 툴인 RViz나 3차원 시뮬레이션 툴인 Gazebo 등의 프로그램에서 모델링한 로봇을 사용할 수 있게 해주는 포멧Robot Description FomatsURDF : Unified Robot Description Format, used at RViz, 로봇 모델링의 기본 포맷SDF : Simulation Description Format, used at GazeboSRDF : Sematic Robot Description Format, used at Movelt!Link와 Joint는 매니퓰레이터를 구성하는데 있어 중..