Mobile Robot Project 모바일 로봇 프로젝트 - 자율주행 slam
ROS 공부하고 이를 바탕으로 프로젝트를 진행하였습니다!
무인 로봇 프로젝트
그 동안 배운 ROS를 활용해서 로봇의 움직임을 제어하고 자율주행을 목표로 삼고
무인 로봇 프로젝트를 시작했습니다.
비록 적은 인원으로 힘들기도 했지만 재미있고 열정적으로 한 프로젝트 입니다.
어떤 서비스를 할 수 있을까?
로봇에 어쩌면 가장 중요한 기능이자 기본이 되는 자율주행을 가능하게 한다면 여러가지 서비스를
제공할 수 있게 되는데 예를 들자면 배달, 경비, 서빙 서비스등 가능해집니다.
자율주행이 목표를 세웠지만 이는 다양하게 서비스를 제공할 수 있는 방향으로
발전할 수 있다고 생각했습니다.
사용한 하드웨어
- UGV (Unmanned Groundd Vehicle)은 Agile 사의 Scout-mini
- 각기 다른 4바퀴 모터 구동
- Intel L515 라이다 카메라
- 3D LiDAR, RGBD 카메라 사용가능
- Intel T265 스테레오 카메라
- 어안렌즈와 함께 IMU 센서 제공
- INTEL NUC Mini PC
- 인텔사의 10세대 i5 프로세서 컴퓨터
소프트웨어
- ROS (Robot Operating System): melodic 버전
- 로봇을 제어하기 위해 필요한 라이브러리 제공 및 로봇 운영체제
- Ubuntu: 18.04 Bionic Beaver
- ROS melodic 버전은 ubuntu 18.04 LTS 버전에 맞춰서 나왔기 때문에 리눅스 운영체제 배포판으로 사용
- C++ / Python: 주 개발은 C++ 사용, Python
협업 툴
팀원과는 git과 github을 사용해서 사용
제가 맡은 파트를 따서 브랜치를 만들고 작업을 진행하였습니다. 예: sm-slam
팀원도 맡은 파트를 따서 다른 브랜치를 만들고 작업을 진행하였습니다. 예: jw-tracker
다른 패키지를 작업을 하고 git branch까지 사용해서 작업 간 충돌을 방지할 수 있었습니다.
각자 commit 및 push가 끝나게 되면 pull request를 통해서 main(master)브랜치와 합병을 했습니다.
깃허브
핵심 기술
- LiDAR: Light Detection and Ranging Luminar의 라이다 이미지
- SLAM: Simultaneous Localization and Mapping
사용한 알고리즘
SLAM을 하기 위해서 사용한 알고리즘은 Rtabmap 입니다.
rtabmap은 입력으로 스테레오, RGBD 카메라 및 2D/3D 라이다를 지원하며, 출력으로 맵핑을 2D, 3D 지도를 만듭니다.
프로젝트에 사용한 인텔의 l515 라이다 카메라를 사용했을 때 라이다와 카메라의 기능을 다 이용해서 슬램을 할 수 있었습니다.
슬램 구성도
프로젝트에 사용한 슬램 구성도 입니다.
슬램 영상
color 트랙커 소개
빨간색 물체를 추적해서 Scout-Mini 차가 움직이며 따라가는 패키지 입니다.
추적은 일반 카메라를 사용했고, 물체가 카메라에서 사라지면 차의 움직임이 멈춥니다. L515 LiDAR를 이용해서 앞에 사람이 있을 경우 멈춥니다.
color-tracker 패키지의 구성도 입니다.
color 트랙커 영상
빨간색 원형 물체를 따라가는 영상 입니다.
이미지
3조 협업 프로젝트를 진행
직업학교 내의 다른 3조와 협업 프로젝트를 진행
- 3조에서는 sleep-detect 을 AI 학습을 해서 눈깜빡임을 감지
- 사용한 AI은 Yolo5
- 차량을 제어하는 패키지와 기존 3조의 패키지를 ROS 및 master를 remote 로봇으로 설정해서 통신
- ROS publishing 및 subscribing에 필요한 topic 조율
- Github
과정 :
일반 PC에서 졸음을 가정하고 눈을 감으면 프로그램(3조)이 감지하게 되고 publish를 하게 됩니다.
우리 팀은 차량 제어 프로그램에서 topic을 구독을 해서 자동차를 멈추게 합니다.
sleep-detection 소개 영상
디텍팅과 자동차 제어 협업 영상입니다.