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....

설계 목표 정적 지도(Static Map) 데이터를 기반으로 LiDAR 포인트 클라우드를 필터링하여 벽 오감지를 방지합니다. Grid map Erosion을 통해 차량 주행 시 안전한 마진을 확보하고 인지 성능의 신뢰도를 높입니다. 사전 지식 및 설계 근거 (Prior Knowledge) 본 필터는 다음과 같은 설계 근거를 바탕으로...

Design Goal Filter LiDAR point cloud based on Static Map data to prevent wall false detection. Secure safe margins during vehicle driving through Grid map Erosion and improve perception relia...

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...