실패 후기만 와장창 쓰는 거 같지만,,, 그래도 실패는 성공의 어머니,,,라고 생각하며https://github.com/hku-mars/FAST_LIO?tab=readme-ov-file GitHub - hku-mars/FAST_LIO: A computationally efficient and robust LiDAR-inertial odometry (LIO) packageA computationally efficient and robust LiDAR-inertial odometry (LIO) package - hku-mars/FAST_LIOgithub.com이 주소의 깃허브 주소를 참고했다. 기존에 깔아둬야 하는 프로그램들이 있는데 나는 그 중 Livox-SDK를 설치하다가 오류가 나서,,,그렇다.. Fa..

왜 계속 설치 실패만,,,다은님 블로그를 많이 참고했다.. 저랑 같은 부분에서 실패를 하셨더군요리눅스 화면을 캡쳐하면서 올리고 싶은데 스크롤이 길어서 비슷하게 갈 거 같습니다.. RTAP MAP을 설치한다.sudo apt install ros-humble-rtabmap-roslaunch를 설치한다.sudo apt install ros-humble-rtabmap-launch ros2 launch --helpRTAP MAP GUI와 bashrc를 실행해준다.sudo apt install ros-humble-rtabmap-vizsource .bashrcRTAP MAP 빌드 시도후 Launch 파일을 확인한다.mkdir -p ~/ros2_ws/srccd ~/ros2_ws#repo 복제git clone https..

https://github.com/engcang/SLAM-application GitHub - engcang/SLAM-application: LeGO-LOAM, LIO-SAM, LVI-SAM, FAST-LIO2, Faster-LIO, VoxelMap, R3LIVE, Point-LIO, KISS-ICP, DLLeGO-LOAM, LIO-SAM, LVI-SAM, FAST-LIO2, Faster-LIO, VoxelMap, R3LIVE, Point-LIO, KISS-ICP, DLO, DLIO, Ada-LIO, PV-LIO, SLAMesh, ImMesh, FAST-LIO-MULTI, M-LOAM, LOCUS, SLICT, MA-LIO, CT-ICP, GenZ-IC...github.com해당 깃허브의 리드미 튜토리얼..

목차- 이미 취득된 데이터는 어디서 구할 수 있는가?- 스마트 시티를 실제로 시행하는 곳은 어디?- 가상으로 데이터를 취득한다면?- CARLA?1. 이미 취득된 데이터는 어디서 구할 수 있나?스마트 시티나 자율주행 관련 AI 모델을 구상하기 위해선 학습에 사용할 데이터 묶음이 필요하다.대표적인 오픈 데이터셋 플랫폼들Kaggle: 다양한 도시 데이터, 교통량, 환경, 범죄 등 스마트 시티 관련 데이터들이 있음.Data.gov (미국): 미국 정부의 오픈 데이터. 도시 교통, 환경, 건강 등 광범위한 데이터 제공.서울열린데이터광장: 서울시의 스마트 시티 관련 다양한 실시간 및 정적 데이터 제공.공공데이터포털: 한국의 공공기관이 수집한 데이터들을 제공. 교통, 에너지, 환경, 행정 등 포함.OpenStreet..

DGCNN(Dynamic Graph Convolutional Neural Network)학습 단계마다 점들 간의 이웃 관계를 동적으로 학습하고 PointCloudData를 Graph의 형태로 표현하여 CNN의 개념을 그래프에 적용하는 알고리즘각 점은 그래프의 노드가 되고 점과 점을 연결하는 선은 공간적 관계를 나타내는 엣지로 표현됨DGCNN에서 PCD(point cloud data)를 사용하여 객체를 Classification 하는 과정은 다음과 같음.(1) DGCNN의 입력은 (nx3) 형태의 점 구름 데이터이며 n은 점의 개수이고 3은 차원을 의미한다.PCD의 회전 및 변형에 대한 불변성을 확보하기 위해 Spatial Transform를 사용하여 행렬 변환이 적용된다. 이때 Spatial Transf..

*본 글의 모든 내용, 그림, 표 출처는 논문 원문에 있습니다.논문 : PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation, Charles R. Qi*, Hao Su* Kaichun Mo Leonidas J. Guibas Stanford University 논문 전문 : https://openaccess.thecvf.com/content_cvpr_2017/papers/Qi_PointNet_Deep_Learning_CVPR_2017_paper.pdfPointNet : 데이터 렌더링 과정에서 로우 데이터가 왜곡되거나 용량이 커지는 문제를 개선하기 위해서, Point Cloud를 직접 입력하는 딥러닝 구조. 3D 형태 분류,..