패스트캠퍼스 환급챌린지 15일차 : SLAM이란?

[ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. ]

 

https://fastcampus.info/4oKQD6b

(~11/30) UP TO 74% 블랙프라이데이 PACKAGE SALE🖤 | 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]

 

[강의 후기]

SLAM의 개념을 학습했습니다.

 

-Localization-

: 지도가 주어진 상황에서 공간 속 내 위치를 찾는 알고리즘입니다.

 

-Mapping-

: 이동 정보가 주어진 상황에서 지도를 만드는 알고리즘입니다.

 

-SLAM-

: Localization과 Mapping을 동시에 실행하는 알고리즘입니다.

 

-TF-

: 좌표계를 효율적으로 다루기 위한 좌표 변환 라이브러리입니다.

 

 

-생각해 볼 점-

이번 강의에서는 SLAM의 개념을 학습했습니다. SLAM은 Localization과 Mapping을 동시에 실행하는 알고리즘으로 효율적으로 지도를 만들고 위치를 파악할 수 있습니다. SLAM에서 중요한 기능은 TF입니다. TF는 좌표계를 효율적으로 다룰 수 있는 라이브러리입니다. TF가 필요한 이유는 데이터를 수집하는 센서의 위치와 위치 정보를 전달하는 본체의 위치가 다르기 때문입니다. 조금이라도 위치의 차이는 정확한 위치 정보를 전달하는데 방해가 됩니다. 따라서 TF를 통해 센서에서 수집된 데이터를 본체의 위치만큼 이동시켜 전달하면 결국 본체의 위치에서의 거리를 구할 수 있게 됩니다. 이는 앞으로 배우고 실습할 때 중요한 역할을 할 것입니다. 여러 가지 센서(camera, Lidar, ultrasonic wave)를 사용해 실습을 진행하며 얻는 데이터들의 구조와 정보를 확인하고 이를 TF 라이브러리를 사용해 조정하는 방법을 학습하게 될 것입니다. 지금 실습하는 환경은 시뮬레이터입니다. 하지만 사용되는 센서와 전달받는 데이터는 유사하기 때문에, 강의를 들으며 제대로 이해하고 사용할 수 있다면 실제 프로젝트를 진행할 때에도 많은 도움을 받을 수 있을 것입니다. 각 센서가 어떤 방식으로 데이터를 생성하는지와 데이터들이 서로 다른 좌표계를 기반으로 한다는 점을 이해하게 될 것입니다. 실제 로봇이 움직인다고 가정하여 다양한 상황을 구성해 볼 것입니다. 이를 통해 단순한 데이터 처리에 그치지 않고, 로봇이 주변 환경을 해석하고 반응하는 전반적인 과정까지 이해하게 될 것입니다. 이처럼 앞으로의 경험들은 실무에서도 큰 자산이 될 것입니다. 이번 강의에서는 개념만을 간단하게 다뤘으나 실습편으로 넘어간다면 쉽지 않을 것입니다. 스스로 강의 속 내용들을 구현할 수 있을 때까지 반복하여 듣고 따라 해볼 것입니다.