Tech Knowledge Note

🔎 Day 18: 센서별 장단점 정리 (LiDAR vs Camera vs Radar)

안녕하세요! ✨앞서 Day 17에서는 초음파 센서와 ROS2 연동을 다뤘습니다.오늘은 자율주행차에서 핵심적으로 사용되는 LiDAR, Camera, Radar 센서를 비교하며 각각의 장단점을 정리해보겠습니다.🚘 왜 센서 비교가 중요한가?자율주행차는 단일 센서에 의존하지 않고, 다양한 센서를 조합해 주행 환경을 인식합니다.각 센서는 강점과 한계가 있기 때문에, 이를 이해해야 센서 융합(Sensor Fusion) 의 필요성을 알 수 있습니다.📊 LiDAR vs Camera vs Radar 비교표구분 LiDAR Camera Radar 원리레이저 빔 반사 측정가시광선 이미지 캡처전파 반사 분석거리 측정정확도 매우 높음직접 불가 (추정 필요)수백 m 가능속도 측정불가 (추가 알고리즘 필요)불가Doppler 효과..

📡 Day 17: 초음파 센서 ROS2 연동

안녕하세요! ✨앞서 Day 16에서는 초음파 센서 원리와 주차 보조 사례를 살펴봤습니다.오늘은 한 단계 더 나아가, ROS2(Robot Operating System 2) 환경에서 초음파 센서를 연동해 데이터를 다루는 방법을 정리해보겠습니다.🔍 ROS2에서 초음파 센서를 사용하는 이유ROS2는 다양한 센서를 표준화된 방식으로 연결하고 제어할 수 있는 플랫폼입니다.초음파 센서를 ROS2에 연동하면:/ultrasonic 같은 토픽(topic) 으로 거리 데이터 송수신RViz2에서 실시간 시각화LiDAR, Radar 등 다른 센서와의 융합(Sensor Fusion) 가능👉 자율주행 차량의 주차 보조 시스템이나 근거리 안전 기능을 구현할 때 유용합니다.⚙️ 초음파 센서 ROS2 연동 절차1. 하드웨어 연결아..

📡 Day 16: 초음파 센서 원리 및 주차 보조 사례

안녕하세요! ✨앞서 Day 15에서는 객체 검출(Haar Cascade, HOG+SVM) 의 기초 알고리즘을 배웠습니다.오늘은 자율주행차와 운전자 보조 시스템에서 흔히 사용되는 초음파 센서(Ultrasonic Sensor) 의 원리와 활용 사례를 살펴보겠습니다.🔍 초음파 센서란?초음파 센서는 사람이 들을 수 없는 고주파(20kHz 이상) 음파를 발사하고, 물체에 부딪혀 반사되어 돌아오는 시간을 측정하여 거리를 계산하는 장치입니다.👉 공식:음속: 약 343 m/s (20℃ 공기 기준)장점: 저비용, 근거리 감지(수 cm~수 m)에 효과적단점: 날씨(비, 바람)와 재질에 따라 오차 발생⚙️ 작동 원리송신: 센서가 초음파를 발사반사: 물체에 닿아 되돌아옴수신: 돌아온 신호를 받아 시간 측정계산: 왕복 시간..

안녕하세요! ✨앞서 Day 14에서는 OpenCV를 활용한 차선 검출 실습을 진행했습니다.오늘은 자율주행과 컴퓨터 비전에서 가장 중요한 기술 중 하나인 객체 검출(Object Detection) 의 기초를 배워보겠습니다.🔍 객체 검출이란?객체 검출은 이미지나 영상 속에서 사람, 차량, 신호등, 표지판 등 특정 객체를 찾아내는 기술입니다.자율주행차에서는 보행자 안전, 차량 인식, 교통 표지판 판별 등에 핵심적으로 사용됩니다.👉 오늘은 대표적인 전통 알고리즘 두 가지를 다뤄봅니다.Haar Cascade ClassifierHOG + SVM (Histogram of Oriented Gradients + Support Vector Machine)📡 1. Haar Cascade ClassifierOpenCV에..

안녕하세요! ✨앞서 Day 13에서는 영상 처리 기초 (Canny Edge, Hough Transform) 를 통해 윤곽선 검출과 직선 검출 원리를 배웠습니다.오늘은 이를 실제 도로 영상에 적용하여 차선(Lane) 검출 실습을 해보겠습니다.🔍 차선 검출의 개념자율주행차에서 차선 검출은 주행 경로 인식과 안전 운행에 필수적인 요소입니다.일반적으로 다음 과정을 거칩니다.ROI 설정 (Region of Interest): 도로 영역만 추출Canny Edge Detection: 윤곽선 검출Hough Transform: 차선 직선 검출직선 분류: 왼쪽 차선 vs 오른쪽 차선 구분시각화: 원본 이미지에 차선을 표시⚙️ OpenCV 차선 검출 코드python import cv2 import numpy as np ..

안녕하세요! ✨앞서 Day 12에서는 카메라 캘리브레이션(OpenCV 실습) 을 통해 왜곡 보정 과정을 알아봤습니다.오늘은 컴퓨터 비전과 자율주행 영상 처리의 기본이 되는 Canny Edge Detection 과 Hough Transform 알고리즘을 다뤄보겠습니다.🔍 1. Canny Edge Detection (윤곽선 검출)Canny Edge는 이미지 속 윤곽선(Edge) 을 찾아내는 대표적인 알고리즘입니다.윤곽선은 밝기가 급격히 변하는 경계선으로, 객체 인식, 차선 검출, 특징점 추출에 필수적입니다.Canny 알고리즘 단계가우시안 블러(Gaussian Blur) → 노이즈 제거그라디언트 계산 → 픽셀 강도 변화 검출비최대 억제(Non-Max Suppression) → 가장 강한 엣지만 남김이중 임계..

안녕하세요! ✨앞서 Day 11에서는 카메라 모델(Pinhole Camera Model) 을 통해 카메라 투영의 기본 원리를 배웠습니다.오늘은 실제 카메라가 가진 왜곡(distortion)을 보정하는 방법, 즉 카메라 캘리브레이션(Camera Calibration) 을 Python OpenCV로 실습해보겠습니다.🔍 왜 카메라 캘리브레이션이 필요한가?실제 카메라는 완벽한 핀홀 모델과 달리 여러 가지 왜곡이 존재합니다.방사형 왜곡(Radial Distortion): 화면이 둥글게 휘는 현상 (배럴, 핀쿠션 왜곡)접선 왜곡(Tangential Distortion): 렌즈와 센서 정렬 불량으로 이미지가 기울어짐👉 이 왜곡을 보정해야 정확한 차선 인식, 객체 탐지, SLAM 등이 가능해집니다.⚙️ OpenCV..

안녕하세요! ✨앞서 Day 10에서는 ROS2에서 Radar 센서 플러그인을 다루는 방법을 알아봤습니다.오늘은 자율주행차 센서 중 가장 보편적이고 직관적인 카메라의 핵심 이론인 Pinhole Camera Model(핀홀 카메라 모델) 을 공부해보겠습니다.🔍 Pinhole Camera Model이란?핀홀 카메라 모델은 실제 카메라의 렌즈와 센서 동작을 단순화한 수학적 모델입니다.핀홀(작은 구멍) 을 통해 들어온 빛이 뒤쪽의 이미지 평면(Image Plane) 에 맺히는 원리실제 카메라의 광학 원리를 기초적으로 설명하는 데 가장 많이 사용👉 이 모델은 컴퓨터 비전, 3D 재구성, 자율주행에서 좌표 변환의 기본 공식으로 활용됩니다.🧮 수학적 관계카메라 좌표계와 이미지 평면 사이의 관계는 다음과 같이 표현..

안녕하세요! ✨앞서 Day 9에서는 Radar와 LiDAR 데이터를 비교하며 두 센서의 장단점을 살펴봤습니다.오늘은 실제 실습 단계로 들어가 ROS2 환경에서 Radar 센서 플러그인을 활용하는 방법을 알아보겠습니다.🔍 ROS2에서 센서를 다루는 이유ROS2(Robot Operating System 2)는 자율주행 연구와 로봇 시스템 개발의 표준 플랫폼입니다.Radar 센서를 ROS2에 연결하면:실시간 데이터 토픽(/radar_points, /radar_scan)을 통해 거리·속도 정보 수집RViz2를 통한 시각화다른 센서(LiDAR, 카메라)와 융합 가능👉 즉, ROS2를 활용하면 Radar 데이터 실험 → 센서 융합 → 자율주행 알고리즘 적용까지 한 번에 이어갈 수 있습니다.⚙️ Radar 플러그..

안녕하세요! ✨앞서 Day 8에서는 Python으로 Radar 거리·속도 추정 시뮬레이션을 해봤습니다.오늘은 자율주행차의 핵심 센서인 Radar와 LiDAR 데이터를 비교하면서 두 기술의 장단점을 정리해보겠습니다.🔍 Radar와 LiDAR의 공통점둘 다 주변 환경을 인식하는 센서물체의 위치와 거리를 탐지할 수 있음자율주행차에서는 단독이 아닌, 센서 융합(Sensor Fusion) 방식으로 함께 사용📊 Radar vs LiDAR 비교표 구분RadarLiDAR원리전파(Radio Wave) 반사 분석레이저(Laser) 반사 분석거리 측정수백 미터까지 가능수십 ~ 수백 미터, 정확도 높음속도 측정Doppler 효과로 속도 측정 가능속도 측정은 직접 불가(추가 알고리즘 필요)해상도낮음 (물체 형태 파악 어려움..