Tech Knowledge Note

1. 서론앞선 글에서 우리는 **EKF-SLAM(Extended Kalman Filter SLAM)**의 수학적 원리를 살펴보았습니다.이번 글에서는 이 개념을 실제로 구현해보며, Python을 이용해 간단한 EKF-SLAM 시뮬레이션을 만들어 보겠습니다.수학적 이론을 눈으로만 보는 것보다, 직접 실행 가능한 코드를 통해 확인하면 SLAM의 구조와 동작 원리를 훨씬 직관적으로 이해할 수 있습니다.2. EKF-SLAM 구현 개요EKF-SLAM 구현은 크게 세 단계로 나눌 수 있습니다.환경 정의: 로봇과 랜드마크(벽, 기둥, 물체 등)를 설정예측 단계(Prediction): 로봇의 이동 모델을 기반으로 위치 추정갱신 단계(Update): 센서 관측값을 활용해 추정치 보정➡ 핵심은 “예측 → 관측 → 보정”의 ..

안녕하세요! ✨앞서 Day 21에서는 칼만필터(Kalman Filter)의 수학적 유도를 정리했습니다.오늘은 한 단계 더 나아가, Python 코드로 1차원 칼만필터를 직접 구현해보겠습니다.🔍 1D 칼만필터 개념1차원 칼만필터는 위치 하나의 값만 추정한다고 가정합니다.예: 센서가 noisy하게 차량 위치를 측정할 때, 칼만필터로 잡음을 줄이고 추정값을 얻을 수 있습니다.⚙️ Python 코드 예제 python import numpy as np import matplotlib.pyplot as plt # 측정값(노이즈가 섞인 센서 데이터) 시뮬레이션 np.random.seed(0) true_value = 10.0 measurements = true_value + np.random.normal(0, 2, ..