printf("ho_tari\n");

2024.11.29 4일차부터는 본격적으로 터틀봇4를 이용하여 미리 제작해놓은 map 안에서 터틀봇4가 자율 이동을 하며 동시에 자동으로 mapping을 해야하는 프로젝트를 진행하였다.  ros2 launch turtlebot4_viz view_robot.launch.py이 명령어를 통해 rviz 프로그램을 실행시키고 ros2 launch turtlebot4_navigation slam.launch.py params:='/home/parkseongho/slam.yaml'이 명령어를 통해 slam을 기반으로 주행을 하며 라이다 센서의 데이터를 가지고 mapping을 할 수 있도록 하였다. slam.yaml 파일의 경로를 넣어 직접 수정한 파라미터 값들이 설정되어 있는 slam.yaml 파일을 가지고 sla..

2024.11.28 3일차에는 2일차에 Camera, Visual Feature, Visual Odometry 관해 배웠던 내용들을 바탕으로 직접 찍은 사진들을 이용하여 파노라마 이미지를 구현해보는 실습을 하였다.   이어서 SLAM에 대해 이해하기 위한 기초적인 이론 지식 중 Sensor Fusion, LiDAR 센서에 대해 배웠다.   이렇게 2일차와 3일차에 거쳐 SLAM을 이해하기 위해 필요한 기초 지식들을 배웠고 이를 바탕으로 로봇의 자율 이동 및 mapping에 대해 실습을 할 준비를 하였다.

2024.11.27 2일차에는 이제 다른 조로부터 받은 과업지시서의 내용을 바탕으로 카메라와 라이다 센서로부터 얻은 데이터들을 직접 라벨링해보는 시간을 가졌다. 다른 조로부터 받은 과업지시서의 내용에 의하면 실내 주차장에서 차량의 종류별로, 주차 공간의 종류별로 클래스를 지정하고 구별하여 라벨링을 하는 작업이 필요하였다.    그 후에는 앞으로 SLAM을 기반으로 자율 주행 중 주변 환경 방애물 인식 모델 개발을 위해 필요한 기초적인 지식을 배우는 시간을 가졌다. SLAM에 대해 알기 위해 기본적으로 알아야할 내용들에 대해 학습을 하였다.

2024.11.26 4번째 프로벡트가 시작되었다.이번 프로젝트의 주제는 SLAM 모델을 기반으로 로복 주행 환경 장애물 인식 모델을 구현하는 것이다. 1일차에 진행되었던 내용은 실무에서 실제로 기업들 간의 업무 요청사항을 전달할 때 작성되는 서류인 과업지시서에 대해서 학습하였다. 과업지시서에 들어가는 내용과 이를 통해 기업들 간의 프로젝트들이 어떻게 진행이 되는지 알아볼 수 있었다.  또한, 여러 종류의 센서들이 각각의 장점을 융합하고 서로의 단점을 보완하며 최종적으로 자율 주행과 같은 기능을 수행할 수 있도록 하는 센서 퓨전에 대해서 배웠다.

2024.11.25 마지막날에는 manipulator-x의 자율 동작을 구현하기 위해 대부분의 시간을 보냈다. 원래의 목표는 로봇팔에 달린 카메라가 YOLOv8을 통해 박스의 색을 구분하고 명령을 내린 색깔의 박스를 집을 수 있도록박스를 식별하여 생기는 객체 탐지 박스가 카메라 화면의 가운데로 오도록 tracking한 뒤 그 tracking으로 인해 변경된 카메라가 달린 joint의 각도에 따라 나머지 각도에 비례적으로 각도 수치를 더해주어 거리에 상관없이 박스를 잡을 수 있도록 설계를 하려고 하였으나 굉장히 어렵고 오래 걸리는 작업인 것을 깨닫고 끝마무리를 짓지 못하여 너무 아쉬웠다. 결국 마무리를 짓진 못하였고 정해진 위치의 박스를 집어 컨베이어 벨트에 옮길 수 있도록만 하였다. https://you..

2024.11.22 4일차에는 3일차에서 진행했던 ARUCO 마커 인식 카메라와 YOLOv8 인식 카메라의 화면을 GUI와 통신 시켜 통합시켰다.  이제 로봇팔이 YOLOv8을 통해 박스의 색을 구분하고 인식한 뒤 명령을 내리는 색깔의 박스를 집어올려 컨베이어 벨트에 옮기도록 설계를 해야하는데 쉽지 않은 것 같다. 시간이 너무 오래 걸리기도 하고 로봇팔의 각 joint들의 움직임과 연관성에 대해서도 이해를 더 해야할 것 같다고 생각하였다.

2024.11.21 프로젝트 3일차에는 ARUCO 마커를 여러개 인식했을 때 그 마커들 사이의 거리 혹은 각도를 계산하여 출력하도록 하였다.  또한, 이제 manipulator-x의 로봇팔이 자율적으로 동작할 수 있도록 학습시키기 위해 필요한 데이터들을 수집하고 라벨링하였다.