모바일 로봇의 Path planning을 공부하다 보면 가장 먼저 마주하게 되는 것은 Dijkstra, A*이고, 그 다음이 PRM과 RRT입니다. 샘플을 뿌린다는 점에서 유사해 보이는 이 두 알고리즘을 비교해 보고자 합니다. PRM (Probabilistic RoadMap)Roadmap-based planning에서 가장 유명한 방법은 Probabilistic RoadMap(PRM) 입니다. 기본적으로는 Configuration space에서 미리 그래프(roadmap)을 구성하고, 여기서 노드는 valid configuration을, 엣지는 feasible path를 표현합니다. 이후 사용할 때는 시작점과 목표점을 roadmap에 연결하여 경로를 탐색합니다. Example┌───────────────..

SR-LIO : LiDAR-Inertial Odometry with Sweep ReconstructionZikang Yuan1, Fengtian Lang2, Tianle Xu2 and Xin Yang2https://arxiv.org/abs/2210.10424 SR-LIO: LiDAR-Inertial Odometry with Sweep ReconstructionThis paper proposes a novel LiDAR-Inertial odometry (LIO), named SR-LIO, based on an iterated extended Kalman filter (iEKF) framework. We adapt the sweep reconstruction method, which segments and ..

EVO는 SLAM과 Odometry의 성능을 평가하기 위한 파이썬 패키지이다. 추정된 pose와 GT pose 간의 비교 및 분석을 수행하고, APE(Absolute Pose Error)와 RPE(Relative Pose Error)를 계산할 수 있다. APE는 전체 궤적에 대한 절대 위치 오차를 RMSE, mean 등으로 계산한 결과이고, RPE는 연속된 포즈 간의 상대적 오차를 계산함으로써 드리프트를 분석할 수 있다. https://github.com/MichaelGrupp/evo GitHub - MichaelGrupp/evo: Python package for the evaluation of odometry and SLAMPython package for the evaluation of odomet..

어쩌다 보니 SLAM 명가에 오게 된 건에 관하여 주요 용어 설명 1. Factor GraphFactor graph의 구조는 variable nodes와 factor nodes로 구성된다. variable node는 추정하고자 하는 상태 변수들을 나타낸다. 예를 들어 로봇의 위치와 방향, 랜드마크의 위치 등이 될 수 있다. Factor node는 이런 변수들 간의 확률적 관계나 제약 조건을 표현하며, 센서 측정치, 모션 모델, loop closing 제약 조건 등이 여기에 해당한다. 수학적으로 factor graph는 전체 시스템의 결합 확률 분포를 그래프 구조로 표현한다. 각 factor는 연결된 변수들에 대한 cost function으로 정의되며, 이런 함수들의 합을 최소화하는 것이 최적화의 목표가 ..

DTG : Diffusion-based Trajectory Generation for Mapless Global NavigationJing Liang1, Amirreza Payandeh 2, Daeun Song1, Xuesu Xiao2 and Dinesh Manocha1 https://arxiv.org/abs/2403.09900 DTG : Diffusion-based Trajectory Generation for Mapless Global NavigationWe present a novel end-to-end diffusion-based trajectory generation method, DTG, for mapless global navigation in challenging outdoor scenar..

지난 10월부터 대전 카이스트에서 지내고 있는데, 학교에서 좋은 강의들을 많이 진행해서 여러가지 들어 보았습니다. 1. 권인소 교수님 특별 강연 강연 주제 : KAIST RCV Lab 이야기 : 실패와 도전일시 : 2024년 10월 28일권인소 교수님께서는 저의 학부 지도교수님의 지도교수님이셔서 예전부터 존함만 알고 계셨던 분이셨습니다. KAIST RCV 연구실을 이끄셨고 국내 컴퓨터 비전 분야의 선구자로 알려져 있습니다.(K-제프리힌튼) 제가 존경하는 교수님께서 존경하시는 교수님은 어떤 분이실지 예전부터 궁금했었는데 제가 대전에 가자마자 마침 세미나를 하신다기에 '이건 가야해!' 싶어서 말벌 아저씨처럼 후다닥 가보았습니다. 교수님들의 교수님이시라서 그런지 세미나장에도 카이스트 교수님들이 엄청 많이 계셨..

https://github.com/koide3/glim GitHub - koide3/glim: GLIM: versatile and extensible range-based 3D localization and mapping frameworkGLIM: versatile and extensible range-based 3D localization and mapping framework - koide3/glimgithub.com https://arxiv.org/abs/2202.00242 Globally Consistent and Tightly Coupled 3D LiDAR Inertial MappingThis paper presents a real-time 3D mapping framework based on ..

ResultsAfter 1 epoch After 5 epoch 우선 데이터셋으로 제공해주는 pkl 파일 안에 뭐가 있는지 확인해보자. Train Dataset모델 학습을 위한 raw 센서 데이터pose: 로봇의 현재 위치/자세vel: 속도 데이터 (50개 시퀀스)imu: IMU 센서 데이터 (20개 시퀀스)camera: 카메라 이미지lidar: 3D LiDAR 데이터lidar2d: 2D LiDAR 스캔 데이터targets: 목표 위치들 (100개)trajectories: gt trajectorylocal_map: 로컬 맵 데이터Data type: Dictionary keys:pose: type=, shape=(3, 4)First element type: First element shape: (4,)vel..

DTG : Diffusion-based Trajectory Generation for Mapless Global Navigationhttps://github.com/jingGM/DTG.git GitHub - jingGM/DTGContribute to jingGM/DTG development by creating an account on GitHub.github.com 덧) 이거 실행하면 이케 학습됨 근데 코드에 오타가 있어서 몇 개 고쳐줘야 댐...  +) 그리고 github에 inference 코드가 공개가 안 되어 있삼... 😡 잉 잉 모델이 최종적으로 예측하는 것 출력 차원(batch_size, waypoints_num, waypoint_dim)waypoints_num : 경로를 구성하는 wayp..

T-PRM: Temporal Probabilistic Roadmap for Path Planning in Dynamic EnvironmentsMatthias Hu ̈ppi, Luca Bartolomei, Ruben Mascaro and Margarita Chli https://ieeexplore.ieee.org/document/9981739 T-PRM: Temporal Probabilistic Roadmap for Path Planning in Dynamic EnvironmentsSampling-based motion planners are widely used in robotics due to their simplicity, flexibility and computational efficiency. H..

Point-BERT : Pre-trainning 3D Point Cloud Transformers with Masked Point ModelingXumin Yu*,1, Lulu Tang∗,1,2, Yongming Rao∗,1, Tiejun Huang2,3, Jie Zhou1, Jiwen Lu†,1,2 https://arxiv.org/abs/2111.14819 Point-BERT: Pre-training 3D Point Cloud Transformers with Masked Point ModelingWe present Point-BERT, a new paradigm for learning Transformers to generalize the concept of BERT to 3D point cloud. ..

Flutter & Dart를 기반으로 로봇을 조종 및 모니터링하는 웹 앱을 만든다고 할 때, 우선은 ROS topic을 웹소켓으로 받을 것이기 때문에 rosbridge_websocket의 rosbridge_server를 켜 줘야 한다. 이걸 켜면 웹소켓으로 ros topic을 json으로 받고 파싱해서 앱으로 넘겨줄 수 있다.  # Ubuntu 쪽 환경 설정sudo apt-get install ros-${ROS_DISTRO}-rosbridge-serversudo apt-get install curl git unzip xz-utils zip libglu1-mesa# Flutter SDK 다운로드cd ~/developmentcurl -O https://storage.googleapis.com/flutter_..