https://puzzling-cashew-c4c.notion.site/ROS-2-Launch-launch-file-55c2125808ef4b64bade278852b37d6e ROS 2 Launch, launch file 작성 | Notion여러 Node들을 한번에 실행할 수 있는 launch와, 실습을 통해 launch 파일의 작성법을 알아보도록 하겠습니다.puzzling-cashew-c4c.notion.site참조 문서 ros2에서 launch는 아래와 같은 구조ros2 launch  그리고 기본적으로 launch파일은 Python문법을 사용해 ros1에서 사용하던 xml 방식과 비교해보면 매우 편리해졌음 gcamp_world.launch.py 파일 살펴보기import osfrom ament_ind..

https://puzzling-cashew-c4c.notion.site/ROS-2-for-G-Camp-6f86b29e997e445badb69cc0af825a71 강의 계획서 - ROS 2 for G Camp | Notion개요puzzling-cashew-c4c.notion.site참조문서  ROS2 nodecd ~/ch_wssource install/setup.bash 노드 정보들을 파악하기 위해 어제 했던 gcamp를 launchros2 launch gcamp_gazebo gcamp_world.launch.pyros2 node listnode list는 현재 실행중인 노드들만 표시 특정 노드의 정보를 알고 싶은 경우에 ros2 node info 사용$ ros2 node info /skidbot/skid..

모델 불러오기git clone http://github.com/osrf/gazebo_models1. /.gazebo/models 폴더에 model 파일 옮김 Models 구조1. model.config2. model.sdf (structure, physical informations ...)pose (X Y Z R P Y) : 설치 될 때 위치(자동 생성 시)static (true or false) : true는 고정 false는 움직임link(inertial, collision, visual)inertial: 모델의 물리적 성질(질량과 관성)을 정의합니다.collision: 모델의 물리적 충돌 영역을 정의하여 시뮬레이션 중 충돌을 처리합니다.visual: 모델의 시각적 외관을 정의하여 시뮬레이션에서 모..

KG AI 로보틱스 3차 프로젝트 (24.05.03 ~ 24.06.13) A. 프로젝트 개요선정배경농업 인력 부족: 많은 국가에서 농업 인력 부족 문제품질 관리의 중요성: 소비자들의 농산물 품질에 대한 민감도 증가기술의 발전과 적용: 딥러닝과 같은 인공지능 기술과 로봇공학의 발전지속 가능한 농업:  자동화된 수확 시스템이 농업 생산성 향상, 자원 사용 최적화시물레이션 영상  기능사과 색구분: 로봇암에 장착한 카메라로 잘 익은 빨간 사과 1차 분별사과 수확: 칼날을 부착한 그리퍼로 꼭지를 자르고 흡착기로 손상 없이 사과 수확사과 당도 분류: 당도 데이터 모델을 이용한 비전 기술로 사과의 당도를 비파괴 측정사과 운반: 재배하고 분류한 사과들이 쌓이면 AGV로 지정된 장소로 운반특화 포인트와 차별점효율적인 시..

KG AI 로보틱스 2차 프로젝트 (24.04.22 ~ 24.05.02) A. 프로젝트 개요1. OpenCV를 이용한 블럭 분류PLC를 통해 블럭을 운반합니다.OpenCV를 사용하여 RGB값을 HSV로 변환합니다.각 색상별로 블럭을 구분합니다. 예를 들어 빨간색, 파란색, 노란색 등으로 구분할 수 있습니다.2. YOLO를 이용한 블럭분류PLC를 통해 블럭을 운반합니다.YOLO v8과 같은 딥러닝 모델을 사용하여 블럭을 인식하고 분류합니다.이후에 같은 색상끼리 로봇 팔을 사용하여 3층 탑을 쌓습니다.3. 음성인식을 이용한 블럭분류각 구역에 블럭을 배치합니다.음성 입력을 받습니다.구글 서버나 다른 음성인식 엔진을 사용하여 음성을 텍스트로 변환합니다.변환된 텍스트에서 특정 단어(예: 색상)를 추출합니다.추출된..

KG AI 로보틱스 1차 프로젝트 (24.04.11 ~ 24.04.19) A. 프로젝트 개요1. SLAM 주행SLAM은 주행 중에 로봇이 자신의 위치를 추정하고 동시에 주변 환경을 맵으로 생성하는 기술입니다. 훈련과정에서 배운 SLAM 알고리즘을 사용하여 AGV가 자신의 위치를 추정하고 동시에 환경을 맵으로 구축할 수 있습니다.SLAM 알고리즘을 구현하고, 센서 데이터를 처리하고 맵을 생성하는 데 활용할 수 있습니다.2. 라인 트레이싱 주행파이썬 OpenCV 라이브러리를 이용해 카메라로 촬영한 이미지에서 라인을 감지하고, 내장된 주행 제어 함수를 이용하여 AGV가 라인을 따라가도록 한다.3. 신호등 색 파악후 정지 주행 제어이미지 처리, 컴퓨터 비전 기술 및 딥러닝을 활용하여 신호등 색상을 감지하는 모델..