이제 Cartographer를 localization에 사용하는 방법을 알아보겠습니다. Cartographer Pure Localization의 개념·설정·UNICORN 수정 사항은 Cartographer를 활용한 Pure Localization 가이드에 정리되어 있으니, 이 글에서는 직관적인 동작 방식과 Particle Filter와의 비교에 집중합...
Now let’s look at how to use Cartographer for localization. The concepts, configuration, and UNICORN modifications of Cartographer Pure Localization are covered in the Cartographer Pure Localizatio...
지난 글 Detection & Clustering에서는 흩어진 점들을 clustering으로 작은 pointset들로 묶었습니다. 그런데 cluster는 아직 “점의 집합”일 뿐입니다. 이걸 그대로 tracking에 넘기면 표현이 무겁고, 상대의 방향·크기 같은 물리량도 알 수 없습니다. 그래서 하나의 클러스터를 대표하는 상태(feature)를...
In the previous post, Detection & Clustering, we grouped scattered points into small pointsets via clustering. But a cluster is still just a “set of points.” Passing it to tracking as-is is a h...
레이스에서 상대 차의 위치와 움직임을 다루려면 좌표계가 필요합니다. 그런데 트랙은 직선이 아니라 구불구불한 곡선이라, 흔히 쓰는 직교좌표 $(x, y)$ 로는 “앞/뒤”, “좌/우” 같은 직관적인 질문에 답하기가 의외로 번거롭습니다. 이 글에서는 곡선 트랙을 곧게 편 것처럼 다루는 Frenet 좌표계 $(s, d)$ 와, 직교좌표와의 변환을 정리합니다...
To reason about an opponent’s position and motion in a race, we need a coordinate frame. But a track is not a straight line — it’s a winding curve, and with the usual Cartesian coordinates $(x, y)$...
레이스 중에는 트랙 위의 정적 장애물뿐 아니라 계속 움직이는 상대 차량까지 실시간으로 파악해야 합니다. 이 글에서는 2D LiDAR 하나만으로 이런 대상을 detect하는 방법을 정리해 보겠습니다. 시작점: LiDAR pointset을 어떻게 묶을까 2D LiDAR가 주는 것은 결국 평면 위에 흩뿌려진 점들의 집합(pointset)입니다. 여기...
During a race we need to track not only the static obstacles on the track but also the constantly moving opponent cars in real time. This post walks through how to detect such targets with just a s...
Global planning이 만든 raceline을 실제 조향·속도 명령으로 바꾸는 런타임 추종 제어기. 기하학적 Pure Pursuit을 뼈대로, 그 위에 적응형 lookahead·understeer·헤딩 PID·마찰원 속도제어를 올려 고속에서도 라인을 붙입니다. (controller 패키지 · pp_node) 스택 위치: perceptio...
The runtime tracking controller that turns the raceline from global planning into actual steering/speed commands. With geometric Pure Pursuit as the skeleton, it stacks adaptive lookahead, underste...