Tech Knowledge Note

1. 서론자율주행 기술의 핵심에는 SLAM(Simultaneous Localization and Mapping, 동시적 위치추정 및 지도작성)이 자리 잡고 있습니다. SLAM은 말 그대로 로봇이나 자율주행차가 자신의 위치를 파악(Localization)하면서 동시에 주변 환경의 지도를 작성(Mapping)하는 기술입니다.즉, SLAM은 “나는 어디에 있는가?”와 “내 주변은 어떤 환경인가?”라는 두 가지 문제를 동시에 해결하는 과정이라 할 수 있습니다.2. SLAM의 필요성GPS가 항상 정확하지 않은 실내나 터널, 도심 고층 건물 사이에서는 위치 추정에 한계가 있습니다.센서를 활용한 실시간 위치 추정과 환경 인식이 필요하기 때문에 SLAM은 자율주행차, 로봇, 드론 등 다양한 분야에서 필수적입니다.특히 ..

안녕하세요! ✨앞서 우리는 개별 센서들의 원리와 Python/ROS2 실습을 통해 센서 융합 단계를 하나씩 배워왔습니다.오늘은 이를 종합해, ROS2 기반 센서 융합 프로젝트를 설계하고 구현하는 방법을 정리해보겠습니다.🔍 프로젝트 목표LiDAR, Camera, Radar, IMU 데이터를 ROS2에서 동시에 구독EKF 기반 센서 융합으로 차량의 위치, 속도, 객체를 추정RViz2에서 통합된 결과를 시각화👉 실제 자율주행 소프트웨어 스택의 축소판 프로젝트로 이해하면 됩니다.⚙️ ROS2 프로젝트 구조css sensor_fusion_ws/ └── src/ ├── lidar_node/ ├── camera_node/ ├── radar_node/ ├── imu_no..

안녕하세요! ✨앞서 Day 28에서는 LiDAR + Camera 융합 (Feature Matching) 을 다뤘습니다.오늘은 또 다른 조합인 Radar + LiDAR 융합을 실습해보겠습니다.🔍 Radar + LiDAR 융합의 필요성Radar장점: 속도 추정(Doppler 효과), 악천후(비, 안개)에도 안정적단점: 해상도가 낮아 물체의 모양·위치 정밀도가 부족LiDAR장점: 고해상도 3D 점군 데이터, 정밀한 거리·위치 정보 제공단점: 악천후 환경에 약함, 속도 측정 기능 부족👉 따라서 두 센서를 융합하면:Radar → 속도 및 강인성 제공LiDAR → 위치 및 형상 정확도 보완⚙️ ROS2 기반 융합 흐름Radar 노드 → /radar_points 퍼블리시LiDAR 노드 → /lidar_points..