티스토리

Jetson AI Car

검색하기

블로그 홈

Jetson AI Car

jetsonaicar.tistory.com/m

젯슨 딥러닝 ROS 연구개발 & 강의봇 입니다.

구독자: 6

방명록 방문하기

주요 글 목록

Jetson 보드 활용 ROS/SLAM 프로그래밍 과정 목차 Jetson 보드를 활용하는 ROS/SLAM 프로그래밍 목차입니다. 아직 ROS 로봇 프로그래밍 이라는 서적을 교재로 사용하고 있습니다. 깃허브에 튜토리얼 사이트가 있어서 참조할 수 있습니다. 로스 프로그래밍 튜토리얼 (https://github.com/ROBOTIS-GIT/ros_tutorials) 실습 장비는 Nvidia Jetson TX2 를 이용합니다. ROS 소프트웨어 플랫폼(1장) 2. ROS 중요 컨셉, 명령어, 도구(2~6장) ROS 기본 프로그래밍(7장) (토픽 서비스, 액션서비스) ROS 센서 프로그래밍(8장) (camera, opencv, lidar...) 로봇 프로그램과 딥러닝 영상분석 YOLO darknet darknet_ros slam, navigation 시뮬레이션 (11장) .. 공감수 0 댓글수 0 2020. 11. 16.
YOLO v1~v3 퀵 리뷰 급할때 보려고 만든 YOLO v1~v3 퀵 리뷰 입니다. YOLO You only look once: Unified, real-time object detection * 하지만 만약 필요하다면 앞 블로그 참조하고 오셔도 좋습니다. 1. 딥러닝 영상분석 3총사를 구분하시나요 6-1 Faster RCNN, YOLO, SSD 심플 차이점 ... 그럼 시작합니다. ☆ Detection without Proposals: YOLO Go from input image to tensor of scores with one big convolutional network! https://pjreddie.com/darknet/yolo/?utm_source=next.36kr.com 이미지를 일정크기 그리드셀로 나누어 예측 x,.. 공감수 1 댓글수 0 2020. 9. 3.
Yolo SSD 딥러닝 영상분석 최적화 과정 - 목차(업데이트) 케이트쌤과 왕박사가 진행하는.. Yolo SSD 를 적용해서 개발 또는 연구하고자 하는 분들을 위한 아카데미 3일 과정 목차입니다.. 1. 딥러닝 영상분석과 CNN 리뷰 2. FCN 과 Object Detection 개요 3. darknet Yolo 의 논문과 소스 소개 4. SSD 의 논문과 소스 소개 5. Nvidia 추론 라이브러리 TensorRT 6. Nvidia TX2 테스트 7. Tensorflow SSD 훈련 실습 1. TensorRT 이해와 활용 2. 훈련된 모델 export 및 convert 3. jetson inference 테스트 4. DeepStream 소개와 활용 5. Pytorch SSD - Jetson 보드에서 training, trt-onnx convert, - inferen.. 공감수 0 댓글수 1 2020. 6. 23.
Yolo v4 - 왜 어메이징한 네트워크인가 Yolo v4 가 나왔더군요. 그런데 정작 darknet 사이트에 가보면 휑 합니다. https://pjreddie.com/darknet/ 예전의 Yolo V3에 대하여 마음껏 자랑하던 그 분위기는 다 어디가고 심지어 V4 가 나왔다는 언급도 보이지를 않는데.. 무슨일일까요? 움.. Yolo V4 는 조셉 레드몬이 아닌 다른 분들이 개발한 (하지만) 어메이징한 네트워크이군요. 그래서 저자가 다르니 github 조차도 (당연히) 다릅니다. V1~3 : https://github.com/pjreddie/darknet V4 : https://github.com/AlexeyAB/darknet 원작자는 자기 기술이 군사 기술에 사용되는게 싫으시다고 업계에서 손절하셨답니다... 일단 논문을 보는 것도 좋아요. ht.. 공감수 1 댓글수 4 2020. 5. 13.
ROS teleop Key 구독자 발행자 테스트 자율주행을 개발하는 시대에 이런 teleop 따위가 필요한 이유는 자율주행 개발 기본이 "주행 제어" 이기 때문입니다. 당연히 teleop key 로 운전하는 것은 추천하지 않습니다. 자율 주행 전에 ROS 로 주행제어 코드 만들어서 테스트하는 용도라고 보시면 됩니다. 지난 달에는 아르바이트로 안전 주행을 위한 모터 제어기를 개발 했는데 다음주부터 Nvidia Jetson 보드에 연결해서 ROS 로 제어를 하려고 하니까 일단은 기본 주행 제어가 필요하고.. 조이스틱도 좋지만 우선은 teleop 을 구현해놓는게 좋겠더군요. 저는 개발할 때 항상 V사이클 Model Based Development 방법론을 통한 Software Reliabllity 를 많이 강조를 하는데요. 사실 코딩이라는게 왕도가 없으니까.. 공감수 3 댓글수 1 2020. 5. 13.
Bag of Freebies 가 주목 받는 이유 Bag of Freesbies 라는 기술이 성능 향상에 키워드 중 하나가 될 전망인가 봅니다. 애초에 성능이 좋은 Faster RCNN 의 경우조차도 1.1~1.7%의 성능향상이 있는데 YOLO V3 가 5% 나 좋아졌군요. 그래서 조셉 레드몬 님께서 이 업계에서 손털고 나간 후 후임자가 YOLO V4 를 개발할 때 Bag of Freesbies 를 대놓고 도입했나봅니다. Object detection 은 컴퓨터 비전에서 가장 기본적인 응용 프로그램 중 하나입니다. 최신 최첨단 탐지기 (이미지 분류 및 YOLO와 같은 single-stage 또는 RC와 같은 multiple-stage 포함)는 VGG, ResNet 등과 같은 이미지 분류 백본 네트워크를 기반으로합니다. inference 중에 추가 계산 .. 공감수 4 댓글수 1 2020. 5. 9.
Efficient Net : AutoML 과 모델 Scaling 을 통한 정확도와 효율성 향상 근래에 EfficientNet 에 대해 생각도 고민이 많다. 오 구글이 역시 또... !!! (은근 TPU 자랑질은 덤이더라) 근데 속세의 혐생 개발자가 오토 ML 씩이나 돌려야한다니 너무 사치스러운거 아닌가 자괴감 들고... 하지만 뭐 어쩔꺼나 AI 인생 인퍼 속도랑 성능만 쩔면 그만 아닌가 싶기도 하고 ... (고민의 물레방아) ----------------------------------------------------------------------------- CNN (Convolutional Neural Network)은 일반적으로 고정 리소스 비용으로 개발 된 후 더 많은 리소스를 사용할 수 있을 때 더 나은 정확도를 달성하기 위해 확장(scaled up) 됩니다. 예를 들어, 레이어 수를 .. 공감수 2 댓글수 0 2020. 5. 9.
ResNet 소개 CNN 네트워크로써 정확도를 높히려면 '더 깊은 곳으로 가야합니다' 만 네트워크의 깊이가 특정 임계 값을 넘어서면서 기존의 CNN은 제대로 작동하지 않습니다. ResNet (Deep Residual Learning for Image Recognition, Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun, 2015) 을 사용하면 보다 Deep 한 네트워크 트레이닝이 가능해집니다. 2012 년에 Krizhevsky 는 Deep Convolutional Neural Network 를 위한 레드 카펫을 출시했습니다. 이는 전통적인 CNN의 기초가 되었으며 Convolution 레이어와 활성화 기능, Max Pooling 작업이 뒤 따릅니다 (때로는 풀링 작업이 생략되어 .. 공감수 4 댓글수 0 2020. 5. 8.
Navigation Stack 1. Overview 탐색 스택은 개념 수준에서 매우 간단합니다. 주행 거리계 및 센서 스트림에서 정보를 받아 속도 명령을 출력하여 이동 기지로 보냅니다. 그러나 임의의 로봇에서 탐색 스택을 사용하는 것은 조금 더 복잡합니다. 탐색 스택을 사용하기위한 전제 조건으로 로봇은 ROS를 실행하고 tf 변환 트리가 있어야하며 올바른 ROS 메시지 유형을 사용하여 센서 데이터를 게시해야합니다. 또한 로봇의 모양과 역학이 높은 수준으로 수행되도록 탐색 스택을 구성해야합니다. 이 프로세스를 돕기 위해이 매뉴얼은 일반적인 탐색 스택 설정 및 구성에 대한 안내서 역할을합니다. 6. Tutorials 6.1 Basic ROS Navigation Tutorials 1. Setting up your robot using tf.. 공감수 0 댓글수 0 2020. 2. 28.
Transform Configuration Setting up your robot using tf http://wiki.ros.org/navigation/Tutorials/RobotSetup/TF 1. Transform Configuration 많은 ROS 패키지는 tf 소프트웨어 라이브러리를 사용하여 로봇의 변환 트리를 게시해야합니다. 추상 수준에서 변환 트리는 서로 다른 좌표 프레임 간의 변환 및 회전 측면에서 오프셋을 정의합니다. 좀 더 구체적으로 만들려면 단일 레이저가 장착 된 이동식베이스가있는 간단한 로봇의 예를 고려하십시오. 로봇을 참조하여 두 개의 좌표 프레임을 정의하겠습니다. 하나는 로봇베이스의 중심점에 해당하고 다른 하나는베이스의 상단에 장착 된 레이저의 중심점에 해당합니다. 또한 쉽게 참조 할 수 있도록 이름을 지정해 보겠습니다.. 공감수 0 댓글수 0 2020. 2. 25.
map odometry Odometry란 단어 그대로 주행기록계라는 의미로서 엔코더를 통한 회전수와 IMU(관성 측정 장비)로 기울기 등을 측정함으로서 움직이고 있는 사물의 위치를 측정하는 방법을 의미합니다. Odometry는 ROS에서 odom frame으로 구현되며 위에서 설명한 엔코더 혹은 IMU를 사용하여 위치를 추정할 수 있습니다. 부득이하게 Visual SLAM을 사용하여 위의 센서를 사용하지 못할 경우 카메라를 통해 관측한 값을 토대로 Odom을 추정하는 방법을 사용할 수도 있습니다. Odom frame을 설계함에 있에 일반적으로 위와 같은 구조로 Frame을 설계합니다. map 은 여러 개의 odom을 가질 수 있으나 odom은 단 하나의 map을 가질 수 있습니다. 즉 1 개의 map 위에 다수의 로봇이 존재할.. 공감수 2 댓글수 0 2020. 2. 24.
칼만 필터 [일부 번역] 데이터를 병합하는 데 사용되는 알고리즘을 칼만 필터라고합니다. 칼만 필터는 데이터 융합에서 가장 널리 사용되는 알고리즘 중 하나입니다. Rudolph Kalman이 1960 년에 발명 한이 제품은 현재 휴대 전화 나 위성에서 탐색 및 추적에 사용됩니다. 이 필터의 가장 유명한 용도는 아폴로 11 호 미션 중에 승무원을 보내 달로 데려 오는 것이었다. 칼만 필터를 언제 사용해야합니까? Kalman 필터는 현재 (필터링), 과거 (매끄럽게) 또는 미래 (예측)에서 동적 시스템의 상태 (시간에 따라 진화)를 추정하기 위해 데이터 융합에 사용될 수 있습니다. 자율 주행 차에 내장 된 센서는 때때로 불완전하고 시끄러운 조치를 취합니다. 센서 (소음)의 부정확성은 매우 중요한 문제이며 Kalman 필터로 처리 할 .. 공감수 1 댓글수 0 2020. 2. 9.
인공지능과 자율주행 [번역] 매년 점점 더 많은 자율 주행 차가 도로에서 테스트되고 있습니다. 일부는 이미 특정 지역에 제한된 서비스를 제공하는 반면 다른 일부는 완전히 자율적 일 때 유통됩니다. 이 기사에는 프랑스의 자율 주행 차 테스트 목록이 포함되어 있습니다. 모두 같은 방식으로 설계되지는 않았습니다. 환경을 식별하기 위해 일부는 카메라와 레이더 만 사용하고 다른 일부는 Lidar 센서 (레이저)를 사용합니다. 이 주제에 대해 열정적으로 Udacity의 Self-Driving Car Engineer Nanodegree 프로그램에 등록했으며 처음 두 학기를 마쳤습니다. 인공 지능은 자율 주행 자동차, 특히 환경에 대한 인식의 모든 곳에 있습니다. 카메라로 환경을 인식하는 방법은 무엇입니까? 아래 이미지는 자율 주행 차량의 4 가.. 공감수 2 댓글수 0 2020. 2. 9.
오토파일럿 홈페이지 [번역] 우리는 규모에 맞는 자율성을 개발하고 배포합니다. 우리는 inference 하드웨어의 효율적인 사용으로 지원되는 비전 및 플래닝을 위한 고급 AI 기반의 접근 방식이 완전한 자율 주행에 대한 일반적인 솔루션을 달성 할 수있는 유일한 방법이라고 생각합니다. 하드웨어 소형 아키텍처 및 마이크로 아키텍처의 모든 개선 사항을 고려하면서 최대 와트 당 실리콘 성능을 높히기 위해 자체 구동 소프트웨어를 기본적으로 강화하는 실리콘 칩을 구축하십시오. 설계에 대한 floor-planning, 타이밍 및 전력 분석을 수행합니다. 강력하고 무작위 화 된 테스트 및 스코어 보드를 작성하여 기능 및 성능을 확인하십시오. 성능 최적화 및 절전에 중점을 두고 칩을 프로그래밍하고 통신하기 위해 컴파일러 및 드라이버를 구현합니다. .. 공감수 1 댓글수 0 2020. 2. 7.
모빌아이 차량 충돌방지와 인공지능[번역] 제목과 같은 주제로 검색하다가 가장 팬시한 글은 모빌아이 홈페이지에 있었네요. (물론 제품 홍보용입니다) 워낙 팬시하셔서... 조금 번역한 글과 원문을 올려놓았습니다. What does AI have to do with Collision Avoidance Systems? 충돌 방지, 군집 주행 안전, 산만 운전 충돌 방지 시스템은 수년 동안 시장에 출시되어 차량 안전을 개선하는 데 효과적인 것으로 나타 났지만, 많은 차량 관리자의 경우 차량 후드 아래 어려운 기술입니다. 충돌 방지 시스템의 작동 방식을 살펴 보겠습니다. Mobileye 충돌 방지 시스템의 핵심은 인간이 자신의 눈과 카메라로 무장한 컴퓨터 (눈과 동일한 작업을 수행 할 수 있는) 을 사용하여 운전한다는 것입니다. 컴퓨터의 경우는 지루하거나.. 공감수 0 댓글수 0 2020. 1. 27.
Nvidia Jetson CAN 통신 차량 소프트웨어를 개발할때라면 우리가 반드시 개발해야할 것은 CAN 통신 파트입니다. 차량의 많은 기능들이 단독으로 구현되지 않고 단일 기능 유닛의 ECU들의 통신에 의해 이루어지기 때문이고요. 만약 Nvidia Jetson 보드와 같이 카메라나 라이다의 데이터를 이용하여 ADAS 로직을 처리하고자 할때 다른 ECU 와 데이터를 주고받고자 할때는 정말 좋은 방법론이 될 수 있습니다. 센서 데이터를 이용해서 perception 하고자 할때부터 일부 차량 데이터는 CAN 을 통해서 받을 수있고, 로직에 의해 behavior 를 결정한 후 control 을 하고자 할때 직접 하지 않고 controller 쪽으로 결과값을 보내며 요청을 해야하는데 이 때 CAN 통신을 이용하고자 하면 CAN 통신의 멀티 마스터 .. 공감수 5 댓글수 6 2020. 1. 1.
[IITP 2019] 프로젝트 A 팀 세번째 작품은 특이하게 LGVSL 이라는 가상 환경 기반으로 자율주행을 위한 센서 데이터를 다양한 상황의 ADAS 시뮬레이션을 구현한 프로젝트 A 팀입니다. 사실 보행자 인식에 대한 전방 충돌 방지 시스템을 실제 차량에서 개발하기가 쉬운 일이 아닙니다. 만약 모형차에서 구현한다면 실제 사람과 모형차의 차이가 커서 인식하기가 어렵고, 실제 차량이라고 하면 실제 보행자가 아닌 더미를 이용해야하는데 비용 및 정확도 실제 인식 및 제어 속도 상황을 재현하기가 쉽지 않습니다. 하여 복잡하고 크리티컬한 ADAS 나 자율주행 상황인지 테스트에 시뮬레이션 구현 및 테스트는 실로 그 역할이 중요하다고 할 수 있습니다. https://youtu.be/x-xYjhmMnmA 발표 영상도 클릭해서 봐주세요. ♥ https://.. 공감수 3 댓글수 0 2019. 12. 29.
IITP 2019 2차반 프로젝트 작품 감상 오랜만에 우리 학생들 작품을 다시 올립니다. IITP 2019 년 2차반 학생들의 작품은 11월 30일에 발표가 되었는데 제 일정이 바빠서 영상편집을 못해서 이제야 올립니다. ㅠㅠ (미안해요... ) 모든 학생들이 끝까지 같이 노력해서 완성했던 과정과 결과가 보석처럼 빛나는 작품들입니다. 하나씩 꼭 봐주시길 바랍니다. ♥ [IITP 2019] 2반 AutoJoy 팀 https://jetsonaicar.tistory.com/50 [IITP 2019] 2반 AutoJoy 팀 첫번째 작품은 레이싱카와 Nvidia Jetson 기반으로 카메라를 이용한 OpenCV와 딥러닝, 모터 제어를 V 사이클 개발 주기에 맞추어 진심 교과서적으로 자율주행을 구현.. 했다고까지 표현할 수 있는 AutoJoy 팀입니.. jet.. 공감수 2 댓글수 0 2019. 12. 29.
[IITP 2019] 2반 꾸러기 수비대팀 두번째 작품은 앞차를 카메라 영상 딥러닝과 라이다 거리 센서를 이용하여 인식하여 따라가는 크루즈 컨트롤과 앞차의 정지에 의한 AEB (긴급정지) 상황을 실시간으로 구현한 꾸러기 수비대 팀입니다. 여기서는 차선인식이 딥러닝 영상인식을 이용하여 구현하였다는 것이 가장 큰 특징이며, 사실 상 레이싱 카의 모터 컨트롤 테스트를 1차반 학생들과 연합해서 구현 결과를 지식 나눔을 해주었다는 것이 매우 인상적이었습니다. https://youtu.be/jo9sisngNUI 발표 영상도 클릭해서 봐주세요. ♥ https://youtu.be/4Jfw11n-EHQ 요소별 개발 과정과 특히 딥러닝 모델 개발과 검증 분석에 대해 상세히 설명을 해주고 있습니다. 전체 작품 리스트는 여기 -> https://jetsonaicar... 공감수 2 댓글수 0 2019. 12. 29.
[IITP 2019] 2반 AutoJoy 팀 첫번째 작품은 Nvidia Jetson 기반으로 카메라를 이용한 OpenCV와 딥러닝, 모터 제어를 V 사이클 개발 주기에 맞추어 진심 교과서적으로 자율주행을 구현.. 했다고까지 표현할 수 있는 AutoJoy 팀입니다. 그리고 사실 영상편집이 압권이라 도입부가 거의 마블 영화 수준이고 개발 과정이 정말 실제 프로젝트 못지 않은 퀄리티로 진행되었음을 재미나게 표현되어서 정말 보는 것만 해도 꿀잼 압권이라는 소문입니다. :) https://youtu.be/wGkvAFqLrA4 발표 영상도 클릭해서 봐주세요. ♥ https://youtu.be/S62WbIZaGhc 발표영상에서는 V 사이클 개발 과정과 OpenCV 차선 인식 자율주행과 딥러닝을 활용한 신호등 인식과 처리 등에 대해 잘 설명해주고 있습니다. 전체.. 공감수 2 댓글수 0 2019. 12. 29.
5-3 GoogLeNet (Inception v1) GoogLeNet (Inception v1)— Winner of ILSVRC 2014 (Image Classification) GoogLeNet 은 image classification competition 인 ILSVRC (ImageNet Large Scale Visual Recognition Competition) 2014년 winner 이며 ZFNet (2013 년 winner )과 AlexNet (2012 winner) [3], VGGNet (2014 년 winner )에 비해 오류율이 상대 적으로 낮습니다. 'GoogLeNet'이라는 이름에서 Google은 Google의 이름임을 이미 알고 있습니다. 또한 "GoogLeNet"에는 Yan LeCun 교수의 LeNet 에게 경의를 표하는 "LeNe.. 공감수 2 댓글수 0 2019. 12. 10.
3-2 CNN 용어들 (Kernel, Stride, Pooling..) 1. Convolution 2. 필터(Filter) , 커널(Kernel), 가중치(Weight) same 3. 채널(Channel) color 4. 스트라이드(Stride), 패딩(Padding) 커널 이동 보폭, output size 보존을 위한 방법 5. 액티베이션 맵(Activation Map), 피처 맵(Feature Map) Conv 의 결과 레이어, training 이 끝난 후 6. 풀링(Pooling) 레이어 * 참고 FC (Fully Connected Layer) : 기존 뉴럴 네트워크에서 인풋을 벡터화시켜서 W와 곱해주는 방식 FCN (Fully Convolutional Network) : 전체 CNN 네트워크 아키텍쳐의 마지막에 사용되던 FC를 제거하고 전체를 Conv 를 사용하는 방식 공감수 3 댓글수 0 2019. 12. 10.
1반 6팀 - 자율주행 Patrol Bot 이번 작품은 터틀봇 와플 + Nvidia TX2 의 구성에 Stand Alone ROS 기반으로 개발된 자율주행 Patrol Bot 입니다. 정말로 말 그대로 알아서 순찰을 합니다. https://youtu.be/KsFJm9KTdHM 최종 영상은 클릭해서 봐주세요. ♥ 자율주행 PatrolBot 은 AR 태그를 인식하고 Auto Parking 을 하기도 합니다. 주차하기 전에 파노라마 사진도 찍기도 하고 순찰 중 사람을 인식하면 사진을 찍기도 한다는 군요. https://youtu.be/Joh9nEMu7hM 발표 영상도 클릭해서 봐주세요. ♥ 여기 발표 영상의 경우는 자율주행 순찰봇의 동작 시나리오 부터 딥러닝 사물 인식, AR TAG 를 이용한 순찰 좌표 인식, stanalone 으로 구현된 SLAM-.. 공감수 2 댓글수 0 2019. 11. 12.
1반 5팀 - 탤런트 엑스 : 자율주행 레이싱카 이번 작품은 라이다와 카메라를 이용하여 지형과 표지판을 인식하여 고속으로 주행하는 자율주행 레이싱 카 입니다. https://youtu.be/qRVyQQhjoes 최종 영상은 클릭해서 봐주세요. ♥ 탤렌트 엑스 레이싱카의 특징은 라이다로 주변 복도의 지형을 인식하고 가야할 길을 인식해서 가기때문에 알아서 길을 찾아가는게 기본이라는 것이죠. https://youtu.be/sRpzDEI7cE0 발표 영상도 클릭해서 봐주세요. ♥ 여기 발표 영상의 경우는 레이싱카를 만들기 위해 모터 ROS 드라이버를 직접 개발하여 조향각에 적합한 모터 컨트롤을 개발 하는 과정과 어떻게 180도 밖에 못쓰는 라이다를 가지고 고속으로 localization 을 하며 진행하는 주행을 개발했는지에 대해 설명하고 있습니다. 전체 작품.. 공감수 1 댓글수 0 2019. 11. 12.
1반 4팀 - 애완 강아지 인식 서비스 이번 작품은 근래에 언제나 유망하다고 하는 애완견 관리를 위한 인식 서비스 입니다. 기본적으로는 애완견 등록 및 인식되는 시스템, 그리고 애완견을 인식해서 따라가는 자동차로 구성되어 있습니다. https://youtu.be/UlhkYoAeIZ0 최종 영상은 클릭해서 봐주세요. ♥ 여기 최종 영상의 경우는 강아지 코를 딥러닝으로 인식하도록 하는 생체인식 등록 및 검색 서비스 앱과 이를 활용한 자율차 개발로 구성이 되어 있습니다. https://youtu.be/5HDZMsNohss 발표 영상도 클릭해서 봐주세요. ♥ 여기 발표 영상의 경우는 요구사항 부터 꼼꼼히 UML 베이스로 설계해서 구현까지 내용을 아주 전문적으로 설명하고 있습니다. 전체 작품 리스트는 여기 -> https://jetsonaicar.ti.. 공감수 1 댓글수 0 2019. 11. 12.
1반 3팀 - 딥러닝 기반 군집 물류이동로봇 이번 작품은 미래 물류 산업을 위한 딥러닝 기반 자율주행 군집 주행 로봇들입니다. 제 포스트에서 몇번 등장했던 젯봇들 기반으로 개발되었습니다. 한번 보시면 알겠지만 젯봇 군집 주행이라는 것 생각보다 너무 귀여워서 심장 부여잡을 수 있으니 주의해주세요. :) https://youtu.be/8st7E7VzmOo 최종 영상은 클릭해서 봐주세요. ♥ 여기 최종 영상의 경우는 물류 자율주행 군집주행 젯봇에 대한 필요성 및 개념 시나리오 등이 영상으로 표현이 되어있다는 것인데.. 왠지 전문가의 소울이 느껴지네요 ㄷㄷㄷ 그리고 딥러닝 영상 처리를 통한 군집 주행에 대한 설명도 해주고 있습니다. https://youtu.be/1hkxfiee9Ss 발표 영상도 클릭해서 봐주세요. ♥ 전체 작품 리스트는 여기 -> htt.. 공감수 1 댓글수 1 2019. 11. 12.
IITP 2019 1차반 프로젝트 작품 감상 이번 카테고리는 우리 IITP 2019 1차 반 학생들의 작품을 올리는 카테고리입니다. 우리 학생들은 지난 6개월동안 수업 4개월 프로젝트 2개월 수행하며 많은 우여곡절과 노력 끝에 지난 11월 1일에 최종 발표회 및 수료식을 가졌었네요. 최종 발표한 모든 작품들이 다 내 손가락 같이 소중하고 자랑스러워서 ♥ 그냥 차례 차례 올리고 틈나는데로 관련 설명을 덧붙히도록 하겠습니다. ☆☆☆☆☆ 1반 1팀 - Multi ROBOT SLAM https://jetsonaicar.tistory.com/41 1반 1팀 - Multi ROBOT SLAM 첫번째 작품은 자율주행 멀티 로봇 SLAM 입니다. Turtlebot Waffle + Nvidia TX2 로 구성되어 있고 테마는 다양한 센서를 가진 이동체를 이용하여 .. 공감수 1 댓글수 1 2019. 11. 12.
1반 1팀 - Multi ROBOT SLAM 첫번째 작품은 자율주행 멀티 로봇 SLAM 입니다. Turtlebot Waffle + Nvidia TX2 로 구성되어 있고 테마는 다양한 센서를 가진 이동체를 이용하여 SLAM + Navigation 을 구현해보는 것입니다. https://youtu.be/M4JVqcKkcBI 시연 영상은 유투브 클릭해서 봐주세요. ♥ 발표 영상도 클릭해서 봐주세요. ♥ https://youtu.be/PGaRAnsXU5g 발표 영상에서는 이 작품에서 sensor fusion, 라이다와 카메라를 활용한 collision avoidance 등이 어떻게 구현되었는지를 설명하고 있습니다. 전체 작품 리스트는 여기 -> https://jetsonaicar.tistory.com/42 다음 2번째 작품은 자율주행 서빙봇 입니다. 공감수 1 댓글수 0 2019. 11. 12.
1반 2팀 - 자율주행 서빙봇 이번 작품은 주문을 받아 손님 테이블까지 서빙을 한다는 시나리오에 의해 자율 주행 서빙봇을 개발하였습니다. 기기 조합은 역시 터틀봇 와플 + Nvidia TX2 인데 서빙을 위한 테이블이 부착되어 있습니다. https://youtu.be/pBnLHHB0mOU 시연 영상은 클릭해서 봐주세요. ♥ 상황 시나리오를 조원들이 직접 연기해주셨다는 임팩트가 있습니다. ㅋㅋㅋ https://youtu.be/pBnLHHB0mOU 발표 영상도 클릭해서 봐주세요. ♥ 전체 작품 리스트는 여기 -> https://jetsonaicar.tistory.com/42 다음 작품은 자율주행 군집 주행 이 되겠습니다. 공감수 2 댓글수 0 2019. 11. 12.
Nvida Jetson 에서 SSD inference 속도 Nvida Jetson 에서 SSD inference 속도를 테스트해보았습니다. (2019년 11월 6일자) 무려 Tensorflow SSD inception v2 네트워크 모델 inference 를 굳이 deep stream 을 안써도 이런 속도가 나온답니다. https://youtu.be/CUqJJ-l7GB8 딥스트림 없이도 30fps가 나오는 것만 해도 기절할 일인데 40fps 까지 막 올라가시는.. ㅎㄷㄷㄷ 심지어 Xavier 에서는 70~80 fps를 기록.. 아니 이게 도대체 무슨일 ㅠㅠㅠㅠㅠ https://youtu.be/owYRBFiYllY 이제 나는 진심 해방인 것이.. 이제 ros 에 연결해서 뭐든 내 마음대로 TensorRT 를 이용해서 내가 훈련시킨 Object Detection 모.. 공감수 0 댓글수 1 2019. 11. 6.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.