패스트캠퍼스 환급챌린지 14일차 : rosbag2

[ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. ]

 

https://fastcampus.info/4oKQD6b

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스

 

 

 

https://fastcampus.co.kr/data_online_selfdriving

자율주행 로봇을 위한 ROS 2 & SLAM & Nav2 한번에 끝내기 | 패스트캠퍼스

본 글은 위 강의를 참고하여 작성되었습니다

 

 

[강의시작 | 강의종료]

 

 

 

 

[완강 인증]

 

 

 

 

 

[학습 내용]

-필기 내용-

 

 

 

-Recording-

동영상 서비스가 종료되어 해당 콘텐츠를 재생할 수 없습니다.

 

 

 

-Rviz2로 녹화된 영상 모니터링-

동영상 서비스가 종료되어 해당 콘텐츠를 재생할 수 없습니다.

 

 

 

-Info-

 

 

 

 

[강의 후기]

데이터를 저장하는 rosbag2에 대한 실습을 진행했습니다.

 

 

-rosbag2-

: ros2의 데이터를 저장합니다. 저장한 데이터를 바탕으로 모니터링하거나 디버깅 할 수 있습니다.

 

-Simulation time-

: 현실 세계의 시간이 아닌 시뮬레이션 시간 프레임에 맞추어 데이터를 사용합니다.

/clock
ex) ros2 topic echo /clock

 

-Recording Data-

: 데이터를 저장/기록합니다.

ros2 bag record -a # 전체 레코드
ros2 bag record <topic 1> <topic 2> … <topic N> # topic 1~N 레코드

 

**사용자의 데이터 대역폭을 생각해야합니다. 사용 가능한 데이터 대역폭을 벗어나면 오류가 발생할 수 있습니다. 따라서 일부 토픽만 선택적으로 기록하는것이 좋습니다.**

 

-Replay Data-

: 저장된 데이터를 재생합니다.

ros2 bag play <bag>


-l, --loop               # 반복 재생
-r RATE, --rate RATE     # 재생 속도 조절 (예: 2.0 = 2배속)
--start-offset SEC       # 시작 시간 오프셋 설정 (초 단위)
-d SEC, --delay SEC      # 재생 시작 전 대기 시간
-s START, --start-paused # 일시정지 상태로 시작

 

- Analyzing bag file -

: 저장된 데이터의 정보(이름, 크기, 길이, 녹화 시작/종료 시간 등등)를 확인합니다. 

ros2 bag info <bag_file>

 

 

 

-생각해볼 점-

이번 강의 에서는 rosbag2의 기능에 대한 실습을 진행했습니다. 시뮬레이션 시간 프레임으로 사용하는 /clock, 데이터를 저장하고 기록하는 record, 저장된 데이터를 재생하는 play, 저장된 데이터의 정보를 확인하는 info가 있었습니다. 사용 방법과 기능은 매우 단순하지만, Rviz2와 같은 디버깅 도구들과 함께 사용할 수 있다는것이 중요합니다. -Rviz2로 녹화된 영상 모니터링- 영상을 보면, 이전에 다뤘던 Rviz2의 TF, Image,  PointCloud2, RobotModel을 그대로 사용할 수 있다는 것을 확인할 수 있습니다. 실행이 끝나고 초기화시키지 않으면 데이터가 중복되는 오류가 있는데, 이를 해결할 방법은 따로 공부할 것 입니다. 저장된 데이터를 사용하기 전에 항상 원하는대로 결과물이 나왔나 확인해야하는데, Info를 통해 정보를 확인할 수 있습니다. 기록된 시작/종료 시간, 데이터의 길이, 저장된 스토리지, 압축 방식/모드 등을 확인할 수 있습니다. Info를 먼저 확인하지 않는다면, 나중에 다시 기록해야하는 귀찮음이 생깁니다. 때문에 데이터를 저장하고 난 뒤에는 항상 info를 활용하여 원하는 데이터가 저장 되었는지 확인한 뒤에 다음 과정을 진행해야 되겠습니다. 이 강의를 기준으로 로보틱스 엔지니어링 기초가 끝났습니다. 다음 강의부터는 라이다를 사용해 맵을 기억하고 활용하는 SLAM이라는 알고리즘에 대한 방법론을 학습하고 실습하는 강의를 듣게됩니다. SLAM은 자율주행 자동차를 개발한에 있어서 빠져서는 안될 필수 요소입니다. 차량의 정밀 위치를 추정할 수 있고, 지도를 제작/업데이트 할 수 있습니다. 때문에 GPS가 불안정할 때 위치 추정 가능을 대체로 수행할 수 있습니다. 터널이나 실내와 같이 GPS가 제대로 잡히지 않아 사고가 다량 발생하는 구간에서 사용이 용이하겠습니다. 필자에게 있어서 꼭 필요한 내용이고, 학교에서도 배우게 될 내용이라 예습한다고 생각하니 기대가 됩니다. 대학 프로젝트에서 충분히 활용할 수 있도록 꼼꼼히 공부하고 꾸준히 복습하겠습니다.