ROS에서 단방향으로 데이터를 송수신하는 토픽(Topic) 기능이 있음 송신하는 노드를 퍼블리셔(publisher) 수신하는 노드를 서브스크라이버(subscriber)라고 함 cd ~/catkin_ws/src catkin_create_pkg ros_topic message_generation std_msgs roscpp 1. CMakeLists.txt 파일 수정 2. 메시지 파일 생성 pwd /home/ch/catkin_ws/src/ros_topic mkdir msg cd msg nano Message1.msg 2.1 아래 데이터 입력하고 저장 time stamp int32 data 3. 토픽 퍼블리셔 노드 코드 만들기 #include "ros/ros.h" // ROS Default Header File..

구성요소 설명 마스터 노드와 노드사이 연결 및 메시지 통신의 네임서버 역할 roscore로 실행이 되며, URL 주소는 기본적으로는 현재의 로컬 IP 사용 노드 ROS에서 실행되는 최소단위의 프로세스를 말함 ROS에서는 하나의 목적에 하나의 노드 작성을 권장함 노드가 구동될 때, 노드의 역할(토리그 서비스 등), 메시지 형태 등이 등록됨 패키지 ROS를 구성하는 기본 단위 ROS 응용프로그램은 패키지 단위로 개발되며 최소한 하나의 노드를 가짐 메시지 노드와 노드는 서로 메시지를 통해서 데이터를 주고받음 메시지는 integer, float, boolean 등의 변수 형태임 메시지 안에 메시지를 품는 데이터 구조가 가능 단방향은 토픽(topic), 양방향은 서비스(service) 토픽 토픽은 ROS의 노드 ..

이 연구는 신뢰할 수 있는 각도 회귀를 위해 새로운 E-RPN을 사용하여 Complex-YOLO를 소개한다. • 우리는 현재 주요 모델보다 5배 이상 빠르면서도 KITTI 벤치마크 스위트에서 평가한 높은 정확도의 실시간 성능을 제시합니다. • E-RPN의 지원을 받아 각 3D 상자의 정확한 헤딩을 추정하여 주변 객체의 궤적을 예측할 수 있습니다. • 다른 Lidar 기반 방법과 비교하여, 우리의 모델은 한 번의 전진 경로에서 모든 클래스를 효율적으로 동시에 추정합니다. Bird's - eye View (BEV) 조감도 새가 하늘에서 내려다 보는 것과 같이 표현한 그림 Lidar 데이터에서는 Point Cloud 데이터를 XY projection하여 나타낸 프레임 Architecture YOLO 모델에 E..

0. 환경설정(python = 3.8.8) !pip install ultralytics !pip install opencv-python !pip install matplotlib pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html import ultralytics ultralytics.checks() #설치 확인 1. 데이터 준비 Road Sign Detection (kaggle.com) Road Sign Detection 877 images belonging to 4 classes. www.kaggle.com import x..

0. 환경설정(python = 3.8.8) import ultralytics ultralytics.checks() #잘 설치 되었는지 확인 Ultralytics YOLOv8.1.29 🚀 Python-3.8.8 torch-2.2.1+cpu CPU (Intel Core(TM) i7-10510U 1.80GHz) Setup complete ✅ (8 CPUs, 31.8 GB RAM, 266.6/459.0 GB disk) # cuda를 설치안해서 그런지 내 gpu가 잡히지 않았음 1. 데이터 전처리 yolo - Google Drive(마스크 데이터셋) yolo - Google Drive 이 폴더에 파일이 없습니다.이 폴더에 파일을 추가하려면 로그인하세요. drive.google.com cd '데이터셋 저장되어 있는..

PFLD PFLD는 "Parallel Facial Landmark Detection"의 약어로, 얼굴의 랜드마크(landmark)를 탐지하는 모델입니다. 이 모델은 병렬로 동작하여 얼굴의 다양한 특징 포인트(랜드마크)를 감지하고 추정합니다. 주로 얼굴 인식, 표정 분석, 동작 인식 등의 응용 프로그램에서 사용됩니다. PFLD는 여러 가지 랜드마크를 예측하여 얼굴의 다양한 부분을 포착할 수 있습니다. 이를 통해 얼굴의 특징을 추출하고, 예를 들어 눈, 코, 입 등의 위치를 식별할 수 있습니다. 이러한 랜드마크는 보통 2D 이미지에서 얼굴의 구조를 설명하거나 3D 얼굴 모델링에 활용됩니다. PFLD와 같은 얼굴 랜드마크 감지 모델은 주로 컴퓨터 비전 및 인공지능 분야에서 얼굴 관련 작업에 사용되며, 얼굴 기..