놀러와 마이 홈

[map merging] 맵 합치기 feature 검출의 다양한 방법 사용해 ransac까지 특징점(feature) 검출하는 detector는 다양하다. SIFT,SURF,KAZE,ORB등등이 있다. 그 중에 KAZE와 ORB로 맵의 특징점을 뽑고 매칭 해보겠다. 1. KAZE detector = cv2.KAZE_create() import cv2 import numpy as np img1 = cv2.imread('lab.pgm') img2 = cv2.imread('lab2.pgm') cv2.imshow('lab',img1) cv2.imshow("lab2",img2) detector = cv2.KAZE_create() kp1, des1 = detector.detectAndCompute(img1,None)..

[map merging] 파노라마 stitiching 원래 난 opencv 3.xx 몇이였는지 기억이 안나는데 아무튼 3이었다. 그래서 stitchig 함수가 제대로 먹히지 않아 새롭게 opencv 4.2.0으로 깔았ㄷㅏ. 하루종일 opencv만 깔았다. 안깔려서 이게 컴퓨터가 안좋으니까 인터넷 창을 켜두니까 계속 오류가 났던건지 아님 몇번의 시도 끝에 된거지 아직 모르겠다 아무튼 화가난다. import numpy as np import cv2 import os import sys img_names = ['lab.pgm', 'lab2.pgm'] imgs = [] for name in img_names: img = cv2.imread(name) if img is None: print('Image load ..

[map merging] feature matching 한 50~60% 유사도를 가진 map을 새로 따서 feature matching을 시도 [참고 블로그] https://bkshin.tistory.com/entry/OpenCV-29-%EC%98%AC%EB%B0%94%EB%A5%B8-%EB%A7%A4%EC%B9%AD%EC%A0%90-%EC%B0%BE%EA%B8%B0?category=1148027 사용한 descriptor는 ORB이다. distance ratio는 0.6으로 설정 - 많은 매칭이 되지 않았다. 제일 위에 있는 보라색 매칭 말고는 잘 매칭이 된 걸 볼 수 있다. ORB descriptor 코드 import cv2 import numpy as np from matplotlib import ..

보호되어 있는 글입니다.

[kobuki] 내비게이션 파라미터 조정 내비게이션 파라미터를 조정해서 좋은 성능을 찾아보자 1. 원래 파라미터 costmap_common_params.yaml obstacle_range: 3.0 raytrace_range: 3.5 footprint: [[-0.205, -0.155], [-0.205, 0.155], [0.077, 0.155], [0.077, -0.155]] footprint_padding: 0.01 #robot_radius: 0.17 inflation_radius: 1.0 cost_scaling_factor: 8.0 map_type: costmap observation_sources: scan scan: {sensor_frame: base_footprint, data_type: Laser..

kobuki navigation 도전 네비게이션은 앞서 slam gmapping으로 만든 맵을 이용해 localization과 planning을 진행해 물체를 회피한다.\ localizaion 지도에서 로봇의 위치를 알기 위한 자신의 위치 추정 2d 거리 정보를 통해 로봇의 위치를 확률적으로 나타내는 몬테카를로 위치추정 AMCL(Adaptive Monte Carlo Localization) 경로계획(planning)은 두가지로 나뉜다. 1. global path plannig 출발지에서 목적지까지 전체적인 경로 로봇이 이동 가능한 영역, 로봇이 충돌하지 않는 영역 중심으로 전체 경로 탐색 2. local path planning 로봇의 상대 위치 저보로 경로 계획 DWA알고리즘 (로봇이 이동가능한 최대 ..

[꼬부기/kobuki] slam slam이란? 로봇의 위치 & 지도 만들기 위치를 알고 센서로 측정하고 지도를 만들면 네비게이션을 할 수 있다. slam에는 여러 패키지가 있는데 그중에서 나는 gmapping을 도전! http://wiki.ros.org/gmapping gmapping - ROS Wiki kinetic melodic noetic Show EOL distros: EOL distros: electric fuerte groovy hydro indigo jade lunar diamondback: Only showing information from the released package extracted on Unknown. No API documentation available. Please s..

공부하는 거 정리 블로그입니다. 모바일 로봇 내비게이션은 로봇의 자율주행의 핵심이 아닐까 www.irobotnews.com/news/articleView.html?idxno=7290 http://www.irobotnews.com/news/articleView.html?idxno=7290 www.irobotnews.com 참고기사 내비게이션은 로봇이 주어진 환경에서 현재 위치부터 지정한 위치까지 이동하는 것이다. 먼저 기본적으로 내비게이션이 가능하려면 1.mapping , 지도 생성 2. 로봇 위치 계측/추정 3. 장애물 인식 4. 최적 경로 계산해 주행 기하하적인 정보가 담긴 지도가 필요한데 SLAM을 이용해 로봇이 자신의 위치정보와 센서로부터 얻은 거리정보에서 지도를 얻을 수 있다. 1. 센싱 엔코더와..