놀러와 마이 홈

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..

보호되어 있는 글입니다.

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..

파이썬으로 빈 txt파일 만들기 딥러닝에서 dummy파일을 만들기 위해서 구글 크롤링을 해서 사진을 뽑아 왔다. 근데 크롬에서 크롤링이 막혀 저번에 다운받은 이미지로 진행했다. 그리고 resize를 이용해서 크기를 바꿨다. 이후 번호가 1부터 시작하는게 아니라 무작위 숫자로 되있어서 다 정렬을 새롭게 했다. 이후 필요한 빈 lable txt파일을 생성했다. 사진 개수만큼 밑에 블로그에서 참고한 resize하는 법 ponyozzang.tistory.com/600 #!usr/bin/env python # -*- coding: utf-8 -*- import os import glob from PIL import Image files = glob.glob('/home/sy/dummy/2021-03-17/wall..

Precision , Recall, Accuracy & mAP & IOU 머신러닝에서 모델이나 패턴의 분류 성능 평가에 사용되는 지표를 정리해봤다. (내가 그냥 볼려고 만든 것임) 모델 평가하는 요소, 실제 정답과의 관계를 2x2 matrix로 표현 실제 정답 positive negative 실험결과 positive True Positive False Positive negative False Negative True Negative 가능한 결과 True Positive(TP) : 실제 True인 정답을 True라고 예측 (정답) False Positive(FP) : 실제 False인 정답을 True라고 예측 (오답) False Negative(FN) : 실제 True인 정답을 False라고 예측 (오답..

Data Augmentation (데이터 증강) 딥러닝에서 데이터를 증가시키는 데이터 증강에 대해 알아보자. 딥러닝에서 학습된 모델이 과적합되는 문제를 해결하기 위해서 많은 데이터로 네트워크를 훈련하는 게 중요하다. 과적합이란? 훈련할 데이터가 충분하기 않아서 모델이 오직 학습 데이터에 지나치게 의존해서 다른 데이터에 제대로 반응하지 못하는 현상으로 일반화가 잘 되지 않는 현상을 말한다. 쉽게 생각하면 수학문제를 풀 때 숫자만 바꾸면 풀 수 있지만 유형을 살짝 바꾸면 못 푸는 것을 생각하면 된다. 데이터가 충분해야 과적합이 일어나지 않는데 데이터 종류에 따라서 확보할 수 있는 분량이 제한적일 수 있다. 양질의 데이터를 얻기위한 방법으로 data augmentation이라고 한다. Data Augmenta..

바퀴 감속비 구하기 캡스톤디자인을 하면서 바퀴의 기어비,감속비를 계산하기 위해 찾아보는 중 캡스톤 디자인의 목표는 물체를 들어올려 지정된 위치에 내려 놓는 로봇 만들기다. 아직 학생으로 내용이 틀렸을 수도 있다. 정말 야매이니 주의 바람 로봇을 5km/h로 움직이고 싶다. mm/min으로 단위를 바꿔준다.(rpm계산에 용이하기 위해) 그럼 5*10^6mm/60(mm)/1min으로 표현할 수 있다. 우리가 사용할 바퀴는 지름이 115파이이다. 따라서 한바퀴 돌면 115파이 만큼 앞으로 가는 것이다. 앞에서 구했던 5km/h로 움직이려면 분당 5*10^6mm/60(mm)/1min만큼 움직여야 한다. +) rpm이란? 1분에 몇번 회전하냐를 나타낸다, 회전수가 많다는 것은 물체의 속도와 출력이 커진다 토크가 ..