UNICORN Racing-stack을 Docker + VS Code 환경에서 빌드하고 실행하는 방법을 정리했습니다. 1. Docker 설치 https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository Docker 명령어를 매번 sudo 없이 사용하기 위해, 현재 ...

This guide summarizes how to build and run UNICORN Racing-stack using Docker and VS Code. 1. Install Docker https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository To use...

LiDAR 센서를 PC에 연결하기 위해서는 센서에 설정된 IP 주소를 확인해야 합니다. 이 글에서는 Wireshark를 활용하여 센서의 IP 주소 및 IP 대역을 파악하는 방법을 소개합니다. Wireshark 설치 센서의 IP 주소 및 센서가 속한 IP 대역을 파악하기 위해 Wireshark를 활용할 수 있습니다. (예: 192.168.0.10) ...

To connect a LiDAR sensor to your PC, you need to identify the IP address configured on the sensor. This post introduces how to use Wireshark to determine the sensor’s IP address and its IP subnet....

정적 맵(occupancy grid)을 이용해 “이 점이 트랙 안(ROI)에 있는가?” 를 빠르게 판별하는 유틸리티, Grid Filter를 알아봅니다. Grid Filter가 제공하는 기능은 사실상 하나입니다 — is_point_inside(x, y): 주어진 월드 좌표가 주행 가능한 트랙 내부인지 True/False로 답합니다. 이 단순한 프리미...

This post looks at Grid Filter — a utility that uses a static map (occupancy grid) to quickly answer “is this point inside the track (ROI)?” Grid Filter really provides just one thing — is_point_i...

들어가며 로봇을 개발하다 보면 가장 먼저 마주치는 문제 중 하나가 바로 센서 좌표계 설정입니다. LiDAR, IMU, 카메라 등 여러 센서의 데이터를 융합하려면 각 센서가 로봇의 어느 위치에 장착되어 있는지 정확히 알려줘야 합니다. 이 글에서는 Roboracer 플랫폼(SRX1 차량)에서 ROS의 TF(Transform) 시스템을 활용해 센서 좌표...

Introduction One of the first problems you hit when building a robot is sensor frame alignment. To fuse data from LiDAR, IMU, and cameras, the system must know exactly where each sensor is mounted...

설계 목표 차량의 실제 속도($v_{car}$)와 휠 오도메트리의 속도($v_{wheel}$)를 최대한 비슷하게 만드는 것을 목표로 했습니다. 이를 위해 $ERPM\ gain$ 값을 고정된 상수($constant$)가 아닌, 주행 상황에 따라 동적으로 변하도록 설계했습니다. 사전 지식 및 설계 근거 (Prior Knowledge) 본 모델은 ...

Design Goal The goal was to make the actual vehicle speed ($v_{car}$) and the wheel odometry speed ($v_{wheel}$) as similar as possible. To achieve this, the $ERPM\ gain$ value was designed to cha...