Wiredwisdom

빨간색 (Red): X축초록색 (Green): Y축파란색 (Blue): Z축X축: 로봇의 전진 방향Y축: 로봇의 왼쪽 방향Z축: 로봇의 위쪽 방향 (수직 상방) TF (Transform) 시스템TF는 이런 여러 좌표계 사이의 관계를 관리합니다.예를 들어, LiDAR가 로봇의 앞쪽 10cm, 위쪽 5cm에 있다면, 이 정보를 TF에 저장합니다. 좌표계 관계 확인하기rosrun tf view_frames  이 명령어는 모든 좌표계의 관계를 보여주는 그림을 만든다.다음 명령어로 두 좌표계 사이의 관계를 볼 수 있다. rosrun tf tf_echo base_link laser 'base_link'에서 'laser'까지의 변환  RViz에서 시각적으로 확인RViz를 실행 : rosrun rviz rviz왼쪽 패..

1. 포인트 클라우드 데이터 및 이미지 수집포인트 클라우드 데이터 수집SLAM 시스템에서 생성된 포인트 클라우드 데이터를 ROS 토픽을 통해 수집합니다.예를 들어, PointCloud2 메시지 형태로 제공될 수 있습니다. 보통 /points, /cloud 등의 토픽을 사용합니다.USB 카메라 이미지 수집USB 카메라에서 촬영된 실시간 이미지 데이터를 ROS 이미지 토픽을 통해 수집합니다.예를 들어, /camera/image_raw 토픽에서 데이터를 받을 수 있습니다.2. 퓨전 알고리즘 구현Depth 이미지 생성포인트 클라우드 데이터를 이용하여 Depth 이미지를 생성합니다. depth_image_proc 패키지의 pointcloud_to_depth_image 노드를 사용하면 포인트 클라우드 데이터에서 D..

CSS 로 들어가서 width 항목을 집어 넣어준다.나의 경우에는 1000px 를 설정하였고,이후에 얼라인이 오른쪽으로 치우치는 현상을 발견밑에 margin 에 4번재 요소가 Left이기 때문에해당 항목을 설정하여 -100px 로 변경하였다.그럼 왼쪽의 마진이 줄어들면서 어느정도 가운데 정렬이 이루어진다. 제목의 경우도 아래의 그림과 같이 -100px 로 맞추어주면 된다.

Raspberry Pi 설정1. Raspberry Pi에 ROS Noetic 설치 1.1 Ubuntu 20.04에 ROS Noetic을 설치합니다:sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654sudo apt updatesudo apt install ros-noetic-desktop-full full 설치 안됨이미 ros -noetic..

PC - roscorejins@jins-System-Product-Name:~$ roscore ... logging to /home/jins/.ros/log/e12ef2f0-3a0e-11ef-9ee7-153280935340/roslaunch-jins-System-Product-Name-18193.logChecking log directory for disk usage. This may take a while.Press Ctrl-C to interruptDone checking log file disk usage. Usage is   Turtlebot3 - bringupexport TURTLEBOT3_MODEL=${TB3_MODEL}jinyoung@jinyoung:~$ roslaunch turtlebot3..

위는 가우시안의 크기와 Opacity를 관장하는 파라미터들에 대한 Back-propagation 학습의 관계를 설명했다.다음은 각 가우시안들이 어떤 조건에서 분기 되는지를 알아보자. 각 가우시안의 Opacity는 가우시안의 최대 밀도 부분에서의 값이고밀도의 감소에 따라 Opacity의 값도 감소한다. 다음은 가우시안의 분기 조건이다.조건은 두개다. 하나는 지역적으로 밀도가 기준치 이상으로 높은 경우다. 가우시안의 밀도를 의미하지 않는다. 또 다른 하나는 가우시안의 크기가 기준치 이상으로 커질 경우이다. 이 두가지 경우에 가우시안은 분기가 이루어지며, 분기된 가우시안의 크기와 위치는기존 가우시안의 주축을 기점으로 분포되게 된다. 크기는 1/2, 2/3 정도로 줄어들며 이는 고정할 수도 있지만, 적응적으로 ..

2D의 가우시안의 평균이 원점인 경우를 보자.여기서 Covariance가 0인 경우는 다음과 같은 타원형이 된다.   Covariance가 0 보다 크게 되면 다음과 같은 값을 갖게 된다.1,3 사분면으로 분포도가 두드러지며, 2,4분면은 상대적으로 납짝해진다.   Covariance 가 0보다 작은 경우는 2,4 분면으로 분포가 두드러지고1,3분면은 반대로 납짝해진다. 이를 통해 알 수 있는 것은 Covariance가 가우시안의 모양을 나타내는 주요 인자로 작용한다는 의미이다.그러나 이 Covariance가 분포의 양과 음의 값과, 그 길이를 나타낼 수는 있어도 분포도가 가지는 선형성의 기울기를 알 순 없다.그 기울기에 대한 정보는 Covariance Matrix의 대각행렬이 갖는다. `[(x x,xy..