관심있는것들

Frenet Frame Figure (A) 은 Cartesian frame을 Figure (B)는 Frenet frame 을 표현 도로 형상의 방향으로 s-axis 가 도로와 수직방향으로 d-axis가 펼쳐져서 작관적이고 편리하다. 종방향, 횡방향, 속도를 각가 다른 polynomial 을 적용해서 풀어야 한다. 각각 다른 경로를 생성한다. 각기 다른 경로들을 합쳐야한다. Long 의 갯수와 lateral 의 갯수의 곱 만큼 경로를 뽑아내고 그중에 가장 조건에 알맞은 trajectory를 선택한다. 위에 언급한 조건들이다. 이것들을 만족하는 것들중 최적화된 path를 골라 내야한다. 횡방향 cost , 종방향 cost , 경로의 cosistency cost를 최소로 하는 최적화 문제를 풀어줘야 한다. 사..

1. 다익스트라 알고리즘 2. A star algortihm 다익스트라 알고리즘에서 휴리스틱한 cost를 추가한것이다. 3. Weighted A star 알고리즘은 휴리스틱한 cost가 더 큰 알고리즘 , 휴리스틱 cost를 추가하는 이유는 좀더 빠르게 목적지 까지 path를 search 하기 위함임 빠른만큼 optimal path를 보장 할 수 없다. trade off 가 있다. 4. RRT Algorithm 아래의 과정을 목적지를 찾을떄까지 반복을 한다. 하지만 랜덤노드가 목적지에 떨어질 확률은 현저히 적기 떄문에 그 근처에 랜덤노드가 정해져서 패스를 찾게 되어도 종료하게 된다. 일종의 threshold 를 결정해줘야한다. 5. RRT star Algorithm 기존의 RRT와는 다르게 트리내의 노드..

기본적으로 여러 정보를 바탕으로 미래에는 어떤 input sequence 를 가져야 reference path 에 도달 할 수 있는지 알려준다. 한번 만 하는게 아니라 반복적으로 조금씩 해내 나가는 것이다. 기존의 것들은 frequency domain 이었지만 MPC의 경우는 매 시간 term 마다 optimization problem 을 푸는 방식임으로 time domain이다. 기존의 PID Controller로 multiple input output system을 구축 하려면 서로의 input 과 output이 영향을 받는 경우가 있기때문에 구현 하기 힘들다. MPC controller는 그것들을 간소화 시켜서 해결해준다. acado toolkit 을 이용한 실습 1. git clone https:..

PID Kalman Filter

오른손 법칙을 따라서 하는것이 국룰이다. Plant == physical system that we want to behave in a certain manner. Position, Orientation , velocities form the states of the car (input). other things like car's mass , wheel diameter are parameter. Observer == Observers are used to convert meausrement into state estimates. how to best estimate the speed of car given the measurements of the rotational speed of the wheel...

1. Image Read == 카메라 영상신호를 이미지로 읽기 2. Warping == 원rms 변환으로 이미지 변형. 4점을 지정해서 저번에 했던 perspective 를 진행함 3. Gaussian Blur == 노이즈 제거 4. Threshold == 이진 이미지로 변환 , cvtColor 를 통해 BGR 을 HLS으로 포맷 변환후 이진화 처리 5. Historgram == 히스토그램에서 차선의 x 좌표 위치 추출 6. Sliding Window == 슬라이딩 윈도우 좌우 x 좌표에 9개 씩 쌓기 7. Polyfit == 2차 함수 그래프로 차선 그리기 8. 차선 영역 표시 == 원본 이미지에 차선 영역 겹치게 오버레이 #!/usr/bin/env python # -*- coding: utf-8 -*..

#!/usr/bin/env python # -*- coding: utf-8 -*- import rospy import numpy as np import cv2, random, math, time Width = 640 Height = 480 Offset = 420 Gap = 40 # draw lines def draw_lines(img, lines): global Offset for line in lines: x1, y1, x2, y2 = line[0] color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255)) img = cv2.line(img, (x1, y1+Offset), (x2, y2+Offset), color, 2..

line_drive (rviz 자동차 모델 주행)

1. rosbag 파일을 준비한다. 2. $rosbag play "준비된 rosbag파일" 을 실행한다. 3-1. $rosbag record -o cam_topic /usb_cam/image_raw 를 실행함으로서 특정 토픽(usb_cam/image_raw) 를 추출해와서 새로운 rosbag 파일을 생성한다. 3-2. $rosrun image_view video_recorder image:='/usb_cam/image_raw' _filename:='track2_tony.avi' _fps:=30 을 통해 비디오로 생성해줄수도 있다. callback 함수에서 bridge.imgmsg_to_cv2 함수를 통해서 주어진 msg 데이터를 opencv가 처리할수있게 변환해서 넣어줍니다. if cv_image.siz..

색 바꾸기 #include #include int main() { cv::Mat img = cv::imread("image/lena.jpg",1); cv::Mat dst, dst2, dst3; cv::cvtColor(img, dst, cv::COLOR_BGR2GRAY); cv::cvtColor(img, dst2, cv::COLOR_BGR2HSV); cv::cvtColor(img, dst3, cv::COLOR_BGR2YUV); cv::imshow("original", img); cv::imshow("GRAY", dst); cv::imshow("HSV", dst2); cv::imshow("YUV", dst3); cv::waitKey(0); cv::destroyAllWindows(); } imshow 는 기본..