삽질 기록

Face Landmark Detetction (F.L.D) 얼굴의 눈썹, 눈코입의 특징점, 얼굴형의 특징점들을 검출해서 위치를 특정해주는 알고리즘이다. 예를 들어 SNOW 어플의 다양한 필터로 표정, 얼굴 기울임 등을 알 수 있음을 확인할 수 있다. Local Variation 표정, 빛 등에 따라 Landmark가 잘못 잡히거나 사라지게 된다. Global Variation Pose, 이미지 화질, 흔들림에 의해 F.L.D 성능이 낮아지기도 한다. Data Imbalance 표정, 빛 등에 따른 데이터들이 다양하지 않다. 데이터가 불균형하다. Model Efficiency Model size와 Computing이 중요하다. PFID는? A Practical Facial Landmark Detector의..

주행은 인지-판단-제어의 순서로 진행된다. 다양한 센서를 통해 주변 상황 파악, 탐색, 통신 등 인지하고 경로 생성과 같은 판단 과정을 거쳐 움직임과 관련된 제어 과정을 거친다. 이를 위해 다음의 사항들이 필요하다. 정확한 지도 현재 위치 파악 목적지까지의 경로 상황에 맞는 움직임 제어 (장애물 발견 등 예외사항에 대한 대처 등) SLAM을 만들기 위한 작업은 크게 Frontend, Backend로 나뉜다. Frontend 센서로부터 얻은 데이터를 가공해 Odometry motion을 추정하는 작업을 말한다. 1. 센서 데이터 처리: 로봇에 장착된 센서로부터 얻어지는 데이터를 처리한다. 주로 카메라, 라이다, IMU 등 센서로부터 얻은 데이터이다. 2. 특징점 추출과 매칭: 센서 데이터에서 특징적인 포인..

자율주행은 인지-판단-제어 (Sense-Think-Act) 과정을 거친다. 여러 센서를 통해 주변을 인지하고 자신과 주변 상황에 대한 판단, 그에 따른 제어를 통해 움직인다. 레이더(Rader)의 경우 전자기파를 보내 물체에 전자기파가 부딪혀 반사된 것을 측정해 물체의 위치와 속도를 계산한다. 날씨나 어두운 환경에서도 측정이 잘 되지만 작은 물체의 식별이 어렵고 물체 종류에 대해 판독할 수 없다. (라이다보다 정밀성이 떨어진다.) 라이다(Lidar)는 레이저 빛이 물체에 부딪혀 반사되는 시간을 측정해 물체의 거리를 계산한다. 이를 이용해 물체를 탐지하고 주변 환경에 대해 파악해 주행을 위한 지도 생성이 가능하다. 하지만 레이더에 비해 물체 감지 거리가 짧고 측정 시 기후 등 환경에 대한 영향을 받는다. ..