회원님의 블로그를 잘 설명하는 이름

이번 포스트를 읽기 전에, 다음 포스트들을 먼저 읽는 것을 권장합니다. 1~4의 포스트의 내용을 다 알고있다는 전제 하에 이 번 포스트를 작성하였습니다. 1. ROS Bayes Filter 2. ROS Particle Filter 3. Particle Filter 4. AMCL Bayes Filter의 공식에 대해 더 알고싶다면 아래 포스트를 참조하세요 Bayes Filter 공식 유도 아래 두 포스트는 선택사항입니다. 읽으시려면 3.Particle Filter 이후에 읽는 것을 권장합니다. 3-1. Velocity Motion Model 3-2. Odometry Motion Model 이번 포스트는 ROS에서 제공하는 Navigation 패키지를 사용 중 발견한 문제점과 그 문제를 해결하는 방법에 대한..

이번 포스트는 ros-sensor-fusion-tutorial 를 참조하였습니다. 1. Concepts 1.1. ROS Nav Stack Refresher 위 그림에서 왼쪽 부분, "/tf"와 "odom" 메시지를 보내는 부분에 주목하세요. navigation stack은 연속적이고 불연속적인 odometry(twist(속도)와 pose(position)메시지들을 조합하는 메시지 타입)와 다른 센서들로부터 들어오는 tf 메시지들, global pose estimators 이 모두를 사용하여 로봇의 위치를 추정합니다. 다시 말해, odometry data(센서들로부터 얻어진)와 pose estimates(AMCL로부터 얻어진) 뿐 아니라 우리가 사용하려고 하는 다른 추가적인 센서들도 navigation s..

이 포스트는 theconstructsim.com의 ROS Navigation in 5 Days 를 참고하였습니다. 이번 포스트에서 다룰 내용은 로봇의 위치 추정의 성능을 높이기 위해 robot_localization 패키지를 사용하여 다른 센서들의 데이터들을 병합하는 방법 이번 course에서는 turtlebot simulation package를 사용합니다. 아래 링크를 참조하세요 emanual.robotis.com/docs/en/platform/turtlebot3/simulation/ 시뮬레이션 모델은 Waffle 모델을 사용합니다. waffle 모델을 사용하기 위해서는 환경 변수를 추가하거나, bash shell에 해당 명령을 입력하면 됩니다. $ export TURTLEBOT3_MODEL=waff..

이 포스트는 theconstructsim.com의 Fuse Sensor Data to Improve Localization 를 참고하였습니다. https://youtu.be/nQZeAafDEJE 이번 포스트에서 다룰 내용은 로봇의 위치 추정의 성능을 높이기 위해 robot_localization 패키지를 사용하여 다른 센서들의 데이터들을 병합하는 방법 이번 course에서는 turtlebot simulation package를 사용합니다. 아래 링크를 참조하세요 emanual.robotis.com/docs/en/platform/turtlebot3/simulation/ 시뮬레이션 모델은 Waffle 모델을 사용합니다. waffle 모델을 사용하기 위해서는 환경 변수를 추가하거나, bash shell에 해당..