티스토리

Open robotics

검색하기

블로그 홈

Open robotics

pg365.tistory.com/m

Open robotics

구독자: 4

방명록 방문하기

주요 글 목록

천정의 마커 인식을 통한 로봇의 위치인식 OpenCV Marker Recognition 글에서 카메라로 특정한 패턴의 마크를 인식하는 프로그램을 만든 적이 있습니다. 이번에는 이 프로그램을 실내용 모바일 로봇의 주행에 사용하려 합니다. 천정에 마크를 붙이고 로봇에 장착된 카메라로 마크를 봄으로 마크의 위치를 계산하고 역으로 로봇의 위치를 계산하는 방법입니다. 이 때 마크의 위치는 미리 알고 있어야 합니다. 왜냐하면, 우리는 단지 마크를 기준으로 로봇의 위치를 계산할 수 있기 때문입니다. 다음 절차를 따라 진행해 보시기 바랍니다: 1. 다음 소스코드를 다운로드 받고 특정 폴더에 압축을 풀어줍니다. 이 코드는 윈도우즈에서 실행되며, 컴파일 하려면 Visual Studio C++ 2008이 필요합니다. 2. 로지텍 화상 카메라를 구매합니다. 제가 사.. 공감수 0 댓글수 1 2023. 11. 16.
무인운전차량의 자율주행을 위한 장애물 대응 여기서는 무인운전차량의 자율주행 소프트웨어에서 전방 장애물에 대응하는 방법에 대한 내용을 소개합니다. 다음 그림과 같이 골프 카트의 전방 범퍼에 사람의 무릎 높이로 장애물을 감지하기 위한 레이저 스캐너(Sick LMS151-10100)가 지면과 수평으로 장착되어 있습니다. 이 센서를 통해 50Hz로 환경 정보를 수집하고 차량의 진행 방향에 있는 장애물을 감지하여 차량의 속도와 감속도를 조절하게 됩니다. 아직은 우회경로를 만들어 장애물을 회피하거나 하는 기능은 구현되어있지 안고, 단지 장애물이 감지되면 차량은 장애물과 충돌하지 않고 멈추도록 되어있습니다. 자세한 내용은 다음 파일을 참조하시기 바랍니다: 자율주행 소프트웨어의 소스코드에서 문서와 관련된 소스코드는 PathFollowing.cpp, PathFo.. 공감수 0 댓글수 0 2023. 11. 16.
무인운전차량의 자율주행을 위한 경로추종 여기서는 무인운전차량의 자율주행 소프트웨어에서 경로추종에 관련된 내용을 소개합니다. 경로계획이 끝나면 차량이 추종해야할 연속된 경유점들의 집합인 경로가 만들어지는데, 경로추종에서는 차량이 경로를 벗어나지 않도록 제어하는 것을 말합니다. 동시에 전방 장애물과의 거리나 경로상의 곡률반경, 조향각, 구심가속도 등을 고려하여 차량의 현재속도를 제한하는 것까지 포함하고 있습니다. 다음 그림에서와 같이 추종해야 할 경로가 붉은색으로 표시되어 있고 차량은 이 경로를 벗어나지 않도록 조향각과 속도를 제어하고 있습니다. 자세한 내용은 다음 파일을 참조하시기 바랍니다: 자율주행 소프트웨어의 소스코드에서 문서와 관련된 소스코드는PathFollowing.cpp, PathFollowing.h 파일입니다. 이 파일들을 참조하시기.. 공감수 0 댓글수 0 2023. 11. 16.
무인운전차량의 자율주행을 위한 경로계획 여기서는 무인운전차량의 자율주행 소프트웨어에서 경로계획에 관련된 내용을 소개합니다. 본 내용은 차량이 알려지지 않은 장소에서 임의의 위치로부터 지도를 만들며 경로를 찾아가는 내용이 아니고, 차량이 이동 가능한 모든 경로를 이미 가지고 있으며 차량의 위치와 목적지의 위치가 알려져 있는 상황에서 최적의 경로를 찾고 이를 보간하는 것에 대한 내용입니다. 다음 그림에서와 같이 위성지도상에 어두운 초록색으로 경로들이 표시되어 있고 경로상의 흰 점이 하나하나의 vertex 들입니다. 그리고 흰색 사각형은 차량의 목적지로 설정 가능한 정류소 위치입니다. 경로 파일은 다음과 같이 저장되어 있습니다. 저장된 데이터의 각 칼럼은 vertex의 위치 x, y와 최고 속도, 주차장 명입니다. 여기서 주차장 명이 생략된 경우는.. 공감수 0 댓글수 0 2023. 11. 16.
무인운전차량의 주행환경 편집 소프트웨어 무인운전차량의 자율주행과 관련된 내용으로, 주된 기능으로 차량의 주행 경로를 편집하는 소프트웨어에 대한 설명입니다. 아래 이미지는 프로그램의 실행 모습인데, 다음이나 네이버 지도에서 구할 수 있는 위성 지도가 배경으로 깔리고 초록색과 갈색으로 경로와 건물외벽이 그려져 있습니다. 이것 말고는 별다른 기능이 없는데, 그래도 실외주행에서 차량의 주행경로를 편집하는 용도로 잘 사용하고 있습니다. 경로는 vertex와 edge의 연결로 구성되는데 vertex는 한 개 이상의 edge가 연결된 점이고 edge는 두 vertex 사이를 연결하는 선분입니다. 먼저 마우스 왼쪽 버튼으로 vertex를 클릭하면 밝은 녹색이 되는데 이때 드래그 하여 vertex의 위치를 변경하게 됩니다. vertex가 밝은 녹색으로 선택된.. 공감수 0 댓글수 0 2023. 11. 16.
무인운전차량의 조향각 캘리브레이션 얼마전 무인운전차량의 자율주행에 대한 글을 썼는데, 이번에는 이 무인운전차량의 조향 핸들의 캘리브레이션 방법에 대해 설명드리도록 하겠습니다. 실제로 차량을 자율주행할 때, 조향 핸들이 캘리브레이션 되어있지 않은 경우 데드레쿠닝에 많은 오차를 발생하게 됩니다. 물론 Fiber Optic Gyro센서(http://blog.daum.net/pg365/247)와 같이 정밀한 자이로 센서가 장착되어 있다면 이러한 과정이 필요하지 않겠지만, FOG센서가 가격이 만만찮습니다. 차량 핸들과 종단의 바퀴가 연결되는 기구적 메커니즘을 살펴보면 차량 핸들의 회전각과 전륜의 조향각은 선형으로 비례하지 않는 구조입니다. 그래서 실험으로 이 둘의 관계식을 구해보는 수밖에 없습니다. 이를 위해서는 정밀하게 차량의 회전을 측정할 수.. 공감수 0 댓글수 0 2023. 11. 16.
도로의 자석을 이용한 무인운전차량의 위치인식 지난글에서 무인운전차량의 자율주행 소프트웨어에 대하여 소개드렸었습니다. 차량의 자율주행에서 가장 핵심이 되는 기술이 바로 위치인식 기술입니다. 로봇이 원하는 목적지로 움직이기 위해서는 자신의 위치를 아는 것이 필수입니다. 실외에서는 GPS가 있기때문에 위치인식이 쉬운 것 아니냐고 반문하시는 분들도 계시겠지만, 실제로 실내보다 실외가 위치인식이 까다롭습니다. 왜냐면 GPS의 정밀도가 떨어지기 때문입니다. 차량이 도로에서 자신의 위치를 몇 미터씩 틀리게 추정한다면 바로 사고로 이어지겠죠. 그러면 DGPS를 쓰면 되지않겠냐고 하시지만, 실제로 DGPS도 건물에 가리거나 하면 GPS와 마찬가지로 위치 점핑이 발생합니다. 또한 수km의 좁은 지역에서는 몇 개의 스테이션으로 해결이 가능하나 넓은 지역을 커버하기에는.. 공감수 0 댓글수 1 2023. 11. 16.
무인운전차량의 자율주행 소프트웨어 며칠전 무인운전차량의 자율주행에 관한 글을 작성하였는데요. 여기서는 무인운전차량을 자율주행한 소프트웨어를 공개합니다. 이 소프트웨어에는 레이저 스캐너(Sick LMS151-10100), Fiber optic gyro(DSP3000), (주)엔티렉스에서 만든 구동부 제어기를 엑세스 하기위한 장치드라이버 코드와 주행에 관련된 A* 경로계획, 경로 추종, 자석을 이용한 Kalman filter 위치인식 등 각종 알고리즘에 관련된 코드, 화면 표시에 관련된 코드가 작성되어 있습니다. 아직 개발이 진행중인 코드이지만 자율주행에 관련된 작업을 하시는 분들께는 참고가 될 것으로 믿고 올립니다. 제가 이제까지 올린 코드들은 대부분 단편적인 코드들로 프로젝트에 관련된 알고리즘을 패스트 프로토타이핑 하는 것들이었으나 지금.. 공감수 0 댓글수 1 2023. 11. 16.
Gridmap building - Fiber optic Gyro센서의 위력 실외환경에서 골프카트 자율주행 실험을 하려면 먼저 주변환경에 대한 맵 빌딩이 필요합니다. 처음 2D 맵빌딩을 할 때 골프카트 전방에 2D 레이저 스캐너를 설치하고 이 데이터를 이어붙여 주변 환경에 대한 2D 맵빌딩을 시도하였습니다. 이전과 같이 ICP 알고리즘으로 데이터를 이어붙여 나가면 맵빌딩이 수월하게 될 것이라고 생각했었는데, 실외환경이란게 실내처럼 바닥, 벽, 천정같은 수평 혹은 수직인 구조물들이 아닌 자연 그대로의 언덕과 경사면, 나무 등에 의해 차량의 롤과 피치가 조금만 바뀌어도 맵의 모양이 많이 일그러지는 문제가 있었습니다. 결국 ICP 알고리즘으로 맵을 이어붙이는 것을 포기하고 Dead-reckoning 만으로 맵빌딩을 수행했지만, 차량 헤딩의 부정확성을 보상할 방법이 없었습니다. 그래서 .. 공감수 0 댓글수 0 2023. 11. 16.
무인운전차량의 자율주행 실외에서 탑승가능한 자율주행 플랫폼으로 골프카트를 선택하게 된 것은, 일단 전기 모터로 구동되며 일부 모델은 이미 유도선을 따라 무인주행이 가능한지라 조향축에도 이미 모터가 장착되어 있어 개조가 쉽다는 판단이었습니다. 그래서 개조에 적당한 골프카트 모델을 찾아 구매한 후 조향부에 절대엔코더를 장착하여 앞바퀴 조향각을 측정할 수 있도록 하고 뒤쪽 모터에도 정밀한 인크리멘탈 엔코더를 장착하여 뒷바퀴가 굴러간 양을 측정할 수 있도록 하였으며, 이 두 모터를 제어할 수 있는 제어기를 달아 기본적인 움직임을 제어할 수 있을 정도로 개조하였습니다. 또한 자율주행을 하려면 로봇의 위치를 알아야 하기에 위치인식 방법으로는 도로에 자석을 매립하고 차량에 장착된 지자기 센서나 홀센서가 자석을 감지함으로 차량의 위치를 계산.. 공감수 0 댓글수 1 2023. 11. 16.
Velodyne HDL-32E를 사용한 숲속 데이터 획득과 분할(Segmentation) - Flood fill 이전 글에서 Bezier Surface를 사용하여 지면을 분리해 냈습니다. 지면이 없어지니 나무나 사람, 풀, 구조물들이 잘 구분되었습니다. 이제 각각의 객체들을 서로 분리해 내야하는데, 2D 이미지 처리에서도 많이 사용하고 있는 flood fill 알고리즘을 사용하였습니다. Flood fill 알고리즘은 위키피디아에서 잘 설명하고 있습니다: http://en.wikipedia.org/wiki/Flood_fill. 여기서는 위키피디아에 소개된 여러 방법들 중 첫번째로 소개된 스택 기반 재귀적 실행 구조를 가지는 방법을 사용하였습니다. 다른 방법들보다 구현도 아주 쉽게 할 수 있었으나, 스택이 많이 필요하고 느리다는 단점이 있습니다. 이제 구분된 객체들에 바운딩 박스를 표시하고 크기가 너무 적거나 일그러진.. 공감수 0 댓글수 0 2023. 11. 16.
Velodyne HDL-32E를 사용한 숲속 데이터 획득과 지면 분리 (Bezier Surface) 이전 글에서 지면을 분리해 내기위해 RANSAC과 plane fitting을 사용하였습니다. 숲속은 지면이 평평하지 않기때문에 평면으로 지면 데이터를 잘라내게 되면 제거되지 않는 부분도 생기며 어떤 부분은 너무 많이 잘려나가는 부분도 생깁니다. 숲속 지형은 굴곡이 있기때문에 지면을 곡면으로 고려한다면 좀 더 좋은 효과를 볼 수 있을것 같습니다. 그래서 곡면을 나타내는 방법 중 Bezier Surface(위키피디아 참조: http://en.wikipedia.org/wiki/B%C3%A9zier_surface)를 사용하기로 했습니다. 지면에 가장 잘 피팅 되는 Bezier Surface의 5x5개의 컨트롤 포인트를 찾고, 이 Bezier Surface로부터 거리가 7.5cm 내의 점들을 제거한 것이 다음 영.. 공감수 0 댓글수 0 2023. 11. 16.
Velodyne HDL-32E를 사용한 숲속 데이터 획득과 지면 분리 (RANSAC, plane fitting) PCL이야기 블로그를 쓰는 조국 연구원과 같이 PCD(Point Cloud Data)를 처리할 일이 생겨 그 내용을 간단히 정리해 봅니다. 우리의 최종 목표는 Velodyne 센서로 숲속에서 취득한 PCD에서 사람과 나무 그리고 나머지 알 수 없는 것들을 분리하는 것입니다. 사람은 추적하는 용도로 사용할 것이고, 나무는 지도를 작성하는 feature로 최종적으로 사용될 예정입니다. 우선, 다음과 같은 환경에서 Velodyne HDL-32E 센서를 장착한 차량을 운행하여 데이터를 취득하였습니다. 우리가 선택한 환경은 바닥이 도심과 같이 평탄하지 않고 굴곡이 있으며 주로 나무가 많이 심어져 있는 환경입니다. 차량의 전면에 장착된 Velodyne HDL-32E 센서 입니다. 센서가 차량의 전방에 낮게 설치되어.. 공감수 0 댓글수 1 2023. 11. 16.
CARLA: 자이로 센서의 scale factor와 bias 탐색 이전 글()에서 자이로 센서의 드리프트를 최소화 하기위한 HDR 알고리즘을 소개하였습니다. 다음 문서에서는 자이로 센서의 최적의 파라미터를 CARLA(continuous action reinforcement learning automata) 알고리즘으로 찾는 방법에 대해 소개합니다. 이 방법은 on-line으로는 수행이 불가능 하고 off-line으로 이미 자이로 센서로부터 측정된 데이터 셋이 존재해야합니다. 아직 이 알고리즘을 구현하여 실험해보지 않았기에 소스코드는 없습니다. ^^ * 다음 논문을 참조하였습니다: - M. N. Howell의 “’Continuous action reinforcement learning automata and their application to adaptive digit.. 공감수 0 댓글수 0 2023. 11. 16.
HSR: 가속도 센서의 스케일 펙터 조절 알고리즘 가속도 센서(accelerometer)는 가속도를 출력합니다. 보통 이 가속도에는 중력이 포함되어 있기 때문에 중력을 제거한 후 적분하여 속도와 위치를 계산하는데, 이때 미소한 scale factor의 변화로 인해 중력 성분이 제대로 제거되지 않고 적분으로 누적되면 결국 큰 오차가 발생합니다. 다음 첨부 문서에서는 이러한 scale factor를 조절하기 위한 HSR 알고리즘의 사용에 대하여 소개합니다. 이 알고리즘은 이전에 소개한 HDR 알고리즘()을 응용해서 제가 간단히 만들어 본 것입니다. 실제로 다른 좋은 가속도 센서의 scale factor를 측정하는 좋은 알고리즘들이 많이 있을 것으로 생각합니다. HSR 알고리즘을 C++코드로 다음과 같이 간단하게 구현할 수 있습니다. void Filter::.. 공감수 0 댓글수 1 2023. 11. 15.
HDR: 자이로 센서의 드리프트 최소화 알고리즘 자이로 센서는 각속도를 출력합니다. 보통 이 각속도를 적분하여 회전각을 계산하는데, 이때 미소한 bias drift도 적분으로 누적되면 결국 큰 오차가 발생합니다. 다음 첨부 문서에서는 이러한 bias drift를 최소화 하기위한 HDR(Heuristic drift reduction) 알고리즘의 사용에 대하여 다루고 있습니다. HDR 알고리즘을 C++코드로 다음과 같이 간단하게 구현할 수 있습니다. void Filter::HDR (double v[3], double threshold, double ic) { v[0] += _HDR_I[0]; v[1] += _HDR_I[1]; v[2] += _HDR_I[2]; //const double ic = 0.001; //const double threshold = .. 공감수 0 댓글수 0 2023. 11. 15.
OpenCV Stereo Camera Calibration 프로그램 두개의 카메라를 이용하여 카메라의 이동 위치와 자세를 계산할 목적으로 다음과 같이 로지텍 QuickCam Pro c920을 두 개 이어붙여 스테레오 시스템을 만들었습니다. 하지만 두 카메라를 물리적으로 최대한 평행하게 정렬하더라도 다양한 왜곡 요인에 의해 행 정렬된 영상을 얻기는 불가능 하다고 봐야할 것입니다. 그래서 스테레오 보정(Stereo Calibration)과 스테레오 조정(Stereo Rectification) 과정이 필요합니다. 스테레오 보정은 두 카메라 사이의 기하학적인 관계(두 카메라 간의 회전 행렬과 이동 벡터)를 계산하여 두 영상이 동일 평면상에 위치하도록 하는 것이고 스테레오 조정은 각각의 영상들을 교정(correcting)하여 영상들이 행-정렬된 카메라에서 촬영된 것처럼 바꾸는 과.. 공감수 0 댓글수 1 2023. 11. 15.
OpenCV Camera Calibration 프로그램 2 (C++) 카메라 보정(Camera Calibration)은 카메라의 내부 행렬 및 왜곡 파라미터를 구하는 과정입니다. 카메라 보정은 카메라에서 입력받은 영상으로 3차원 복원을 하는 등의 작업에 앞서 반드시 수행하여야 할 작업입니다. 여기서 직접 카메라 보정 알고리즘을 구현하는 것이 아니라 OpenCV에서 제공하는 알고리즘을 사용하여 GUI로 쉽게 사용가능하도록 구현하였습니다. 예전에 작성한 OpenCV Camera Calibration 프로그램()의 C++ 버젼이 됩니다. 상기 프로젝트는 OpenCV 라이브러리의 samples/cpp/calibration.cpp 파일을 참조하여 작성하였습니다. 만일 프로젝트에 첨부된 체스판이 아닌 경우이거나 체스판 인식 횟수를 변경하실 때에는 다음 파일에서 인식할 체스판 수와 C.. 공감수 0 댓글수 0 2023. 11. 15.
바닥의 패턴을 사용한 로봇의 위치인식 방법 2 이전 글에서 바닥의 패턴을 사용한 로봇의 위치인식 방법()에 대하여 다뤘습니다. 이번에는 바닥의 패턴이 좀 드물게 존재하는 곳에서도 위치인식이 잘 되도록 하기위해 바닥의 패턴에서 특징(feature)을 추출하는 방법을 개선해 보았습니다. 기존 방법에서는 바닥 이미지에서 일정한 간격의 격자 형태로 특징점 픽셀을 샘플링 하여 지도와 비교하였기때문에 바닥의 패턴이 복잡한 곳에서는 잘 되었습니다. 하지만 상기 사진과 같이 패턴이 좀 드문 곳에서는 잘 되지 않았습니다. 그래서 이번에는 바닥의 패턴 경계에서 특징점을 뽑아 와서 지도와 매칭 함으로 패턴의 경계가 좀 더 잘 매칭되도록 하였습니다. 특징점의 추출 방법에 대해서는 다음 문서를 참고하시기 바랍니다. 특징점 추출과 위치인식 시뮬레이션을 위해서는 다음 Visu.. 공감수 0 댓글수 1 2023. 11. 15.
OpenCV 마커인식을 사용한 증강현실(augmented reality) 구현 이전에 만든 마커 인식기()와 OpenGL 도형을 OpenCV 이미지에 그리는 방법(), obj 파일 로더()를 조합해서 증강현실(augmented reality)을 구현해 보았습니다. 현재 구현된 증강현실은 카메라로 입력된 이미지에서 마커를 인식하고 인식된 마커 위에 마커의 ID를 구분하여 단순히 OpenGL 도형을 그리거나 obj, mtl 파일을 로드한 객체를 그리도록 하였습니다. 다른 분들께서 이 소스코드를 기반으로 애니메이션과 같은 여러 기능들도 마구마구 추가해 줬으면 합니다. 소스코드의 기능을 업그레이드 하신 분들께서는 자신의 블로그나 웹에 올리시고 저에게도 알려주시면 고맙겠습니다. 동영상을 참고하시기 바랍니다. * 2012.6.4 업데이트 - 행렬 계산 라이브러리 Eigen을 사용하지 않고 O.. 공감수 0 댓글수 0 2023. 11. 15.
로봇의 구조적 파라미터 추정을 통한 odometry 정밀도 향상 Differential drive 방식의 모바일 로봇에서 좌우 바퀴간의 정확한 거리와 좌우 바퀴의 정확한 크기를 알아야 오도메트리를 에러 없이 계산할 수 있습니다. 하지만 로봇의 무게에 의해 바퀴의 반경이 변하게 되고 바퀴와 지면 간에 면접촉이 발생함으로 좌우 바퀴간의 정확한 거리를 알 수 없는 경우가 많습니다. 여기서는 이러한 로봇의 구조적 파라메터에 대한 오차(오른쪽과 왼쪽 바퀴의 크기, 좌우 바퀴간 거리)를 두 개의 칼만필터를 사용하여 보정하는 방법을 소개합니다. 오도메트리 정밀도 향상에 대해 다음 pdf 문서를 참고하시기 바랍니다. 그리고 시뮬레이션을 위해 작성된 코드를 참고하시기 바랍니다. diff_drive_robot.cpp 파일에 보시면 로봇의 구조적 파라미터(좌우 바퀴의 반지름과 바퀴간 거.. 공감수 0 댓글수 1 2023. 11. 15.
ICP(Iterative Closest Point)와 레이저 센서로 2D 지도구축 3 이전 글에서 ICP 알고리즘으로 지도를 그리는 소프트웨어를 작성해 보았습니다. 여기서는 이 소프트웨어를 좀 더 쓰기 쉽도록 설명을 추가하도록 하겠습니다. 이전 소스코드도 일부 수정되었고 OpenMP로 멀티코어를 지원하도록 하였습니다. 상기 MapBuilding 파일을 다운받아 VisualStudio C++ 2008로 열어 컴파일하고 실행합니다. 그러면 laser.bin 파일을 읽어 프로그램이 맵을 이어붙여 나갑니다. MapBuilding 윈도우의 크기는 조절 가능하며 만들어지고 있는 지도를 마우스 왼쪽 버튼으로 누른 상태에서 드래그 하여 위치를 이동 가능합니다. 그리고 마우스 스크롤로 지도의 축소와 확대가 가능합니다. laser.bin 파일은 소스코드 내에 첨부 되어 있는데, 다음과 같이 만들어집니다. .. 공감수 0 댓글수 1 2023. 11. 15.
INS만들기: Kalman Filter로 GPS와 IMU 결합 실험 한동안 자이로 센서와 가속도 센서로 AHRS 만들기에 도전했었는데요. 이번에는 자이로 센서와 가속도 센서, GPS 센서, 바퀴의 오도메트리 정보(차량의 바퀴에서 오도메트리 정보를 읽을 수 없는 상황이라 GPS의 속도 출력 정보를 오도메트리 정보로 대신함)를 결합한 INS(Inertial Navigation System)를 설계하고 실제로 차에 장착하여 실험해 보았습니다. 아래 지도에서 빨간색 선이 차로 이동한 경로입니다. 먼저 차가 경로를 따라가면서 GPS, 자이로, 가속도 센서의 데이터를 취득하였습니다. 소스코드에 첨부된 imu_data.txt, gps_data.txt 파일을 참조하시기 바랍니다. 그리고 이 데이터를 실험실로 가져와 재생하면서 Kalman filter 알고리즘을 수정해 나갔습니다. 두 .. 공감수 0 댓글수 1 2023. 11. 15.
ICP(Iterative Closest Point)와 레이저 센서로 2D 지도구축 2 이전 글에서 ICP 알고리즘으로 지도 모델과 레이저 스캐너로 측정한 데이터간의 매칭 과정을 시뮬레이션해 보았습니다. 이번에는 실제로 저희 생기원 내 환경을 호쿠요 레이저 스캐너 UTM-30LX로 떠서 파일로 저장하였고, 이 데이터를 불러와 ICP 알고리즘으로 지도를 복원하는 실험을 하였습니다. 처음에는 시뮬레이터로 잘 되었기 때문에 실전에서도 별 어려움 없이 될 줄 알았는데 생각과 달리 잘 되지 않았습니다. 측정 거리, 반복횟수, 종료조건 설정, 아웃라이어 제거를 위한 임계값 설정 등 여러 파라메터 세팅에 따라 결과가 많이 달랐습니다. 소스코드와 레이저 스캐너로 획득한 데이터를 올립니다. 아무래도 실전에서 활용하기에는 여러 파라메터를 적절히 설정하는데 어려움이 있지 않을까 합니다. download dat.. 공감수 0 댓글수 0 2023. 11. 15.
바닥의 패턴을 사용한 로봇의 위치인식 방법 얼마전 호텔의 한 식당에서 회의가 있어 서울의 모 호텔에 간 적이 있습니다. 회의시작시각이 좀 남아 호텔 로비에서 기다리고 있었습니다. 그런데 로비 바닥에 대리석으로 장식된 패턴을 보고 갑자기 생각이 떠올랐는데, 이런 바닥의 패턴을 보고 로봇이 위치를 알 수 없을까 하는 것이었습니다. 제가 로봇의 자율주행이나 위치인식에 관심이 많다보니 이런것만 보이나 봅니다. 지금 로봇의 위치인식은 천정이 대세입니다. 천정의 형광등을 보고 위치를 알아내거나 천정에 랜드마크를 붙이고 위치를 알아내는 등 천정의 특징을 이용하게 되는데, 이게 잘 안될 때가 종종 있습니다. 바로 천정이 높거나 불규칙적인 경우 혹은 아예 천정이 없는 경우겠죠. 호텔 로비나 전시장과 같이 천정이 높고 주위가 넓은 공간에서는 벽이나 천정에 랜드마크.. 공감수 0 댓글수 1 2023. 11. 15.
무인자동차를 위한 도로면 차선 인식 최근에는 자동차의 자율주행에 대한 관심이 높습니다. DARPA의 Urban Challenge를 통해 자동차의 자율주행 기술이 전세계적으로 관심을 받았으며, 여기서 나온 연구결과를 바탕으로 구글에서는 실제 도로에서 운행하는 로봇 자동차를 만들고 있습니다. 국내에서도 현대자동차의 무인자동차 경진대회가 개최되는 등 관심도가 높아지고 있습니다. 제 생각에는 10년 이내에 이러한 자동차의 무인화 기술이 적용된 차들이 선보일 것으로 기대하고 있습니다. 몇년전 스마트폰과 태블릿으로 전세계의 IT 판을 뒤집은 애플이 있었고, 가까운 미래에는 구글이 무인+전기 자동차 기술을 앞세워 세계 자동차 생태계를 휘저을 것으로 생각합니다. 로봇 자동차가 도로에서 위치인식과 자율주행을 할 때, 우선적으로 주변 도로환경으로부터 정보를.. 공감수 0 댓글수 1 2023. 11. 15.
웹캠을 적외선 카메라로 개조 이전 글에서 IR 카메라를 만들기 위한 요소 부품들을 조사해 보았습니다. 이번에는 일반 웹캠을 적외선 카메라로 개조하는 방법에 대해 소개합니다. 먼저 T9T9 PLANET 블로그를 참고바랍니다: http://t9t9.com/361. 블로그에서 시중에서 구하기 쉬운 재료들로 적외선 카메라를 만드는 방법에 대해서 설명하고 있습니다. 본 블로그에서는 웹캠 중에서 나름 고가의 제품인 "Logitech HD 프로 웹캠 C910" 모델로 개조를 진행해 보겠습니다. 이 모델을 선택한 이유는 먼저 CMOS 이미지 센서 소자가 다른 웹캠에 비해 크고 물리적으로 렌즈를 움직여 초점 거리 조절을 하기 때문에 입력 이미지의 품질이 우수하고 카메라의 다양한 특성들을 조절할 수 있기때문입니다. 먼저 카메라를 분해합니다. 양쪽 사.. 공감수 0 댓글수 1 2023. 11. 15.
OpenCV에서 네트워크 카메라(IP Camera) 읽기 PC에 연결하는 웹캠은 여전히 USB 타입이 대부분이지만, 최근들어 보안감시 분야에서 네트워크 카메라가 많이 출시되고 있습니다. 네트워크 카메라들은 기존의 NTSC나 PAL을 출력하는 카메라들에 비해 추가로 필요한 장비가 거의 없고 이미 깔려있는 네트워크를 그대로 이용하면서도 로컬의 PC나 원격에서 스마트폰으로 영상을 볼 수 있는 장점이 있습니다. 그리고 요즘들어 검사 장비나 로봇의 시각으로 사용되던 고급 사양의 카메라 모듈들도 IEEE1394보다 Gigabit Ethernet을 더 많이 지원하는것같습니다. 어쨌거나 네트워크 카메라를 이용하면 USB 2.0의 대역폭 한계를 넘어서는 대용량의 HD급 영상을 속도 저하 없이 PC에서 받아볼 수도 있고 USB나 IEEE1394의 케이블 길이 문제도 극복할 수 .. 공감수 0 댓글수 1 2023. 11. 15.
적외선 카메라(IR Camera) 제작 정보 적외선 카메라 제작에 필요한 요소 기술들을 조사한다. 일차 목표는 하기소닉의 StarGazer와 같은 형태로 만드는 것이다. 하지만 StarGazer와 달리 IR 이미지를 가공 없이 USB나 Ethernet을 통해 PC로 전송하고 PC에서 랜드마크를 인식하는 알고리즘을 개발하고자 한다. 하기소닉 StarGazer: 적외선 사람의 눈으로 볼 수 있는 가시광선의 파장은 380nm ~ 780nm 영역이고 파장이 이 영역을 벗어나면 사람의 눈으로는 볼 수 없는 자외선이나 적외선 영역이다. 파장이 380nm보다 짧은 영역은 자외선 영역이고 780nm보다 긴 영역은 적외선 영역이다. 이미지 센서 빛을 받아들이는 이미지 센서로 CCD와 CMOS가 주로 사용된다. 둘 다 IR 대역폭까지 받아들이나 CCD가 IR 대역폭.. 공감수 0 댓글수 1 2023. 11. 15.
랜드마크 인식용 카메라 선정 로봇에 장착된 카메라의 입력 영상으로부터 벽면이나 천정, 바닥의 랜드마크를 인식하고 랜드마크와 로봇간의 거리와 방위 정보를 이용하여 로봇의 위치인식을 수행하고자 한다. 본 문서는 이에 적합한 카메라를 선정하기 위한 각종 카메라에 대한 실험 내용을 정리하고 있다. USB 화상캠 이용 조명이 있는 웹캠, CCD 웹캠 등 각종 웹캠을 두루 구매하여 테스트 해봤는데, 지금까지 웹캠 수준에서는 "Logitech HD 프로 웹캠 C910" 모델이 로봇에 부착하기에는 제일 적합해 보인다. 이유로는 먼저 CMOS 이미지 센서 소자가 다른 웹캠에 비해 크고 물리적으로 렌즈를 움직여 초점 거리 조절을 하기 때문에 입력 이미지의 품질이 우수하고 카메라의 다양한 특성들을 조절할 수 있다. 하지만, 일반 RGB 카메라로 인식한.. 공감수 0 댓글수 1 2023. 11. 14.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.