티스토리

A L I D A

검색하기

블로그 홈

A L I D A

alida.tistory.com/m

Researcher & Engineer

구독자: 22

방명록 방문하기

주요 글 목록

(작성중) IMU Preintegration 개념 리뷰 (On-Manifold Preintegration 논문) 공감수 10 댓글수 2 2024. 11. 30.
[SLAM] Iterative Closest Point(ICP) 개념 정리 (+ point-to-plane, GICP) ICP Animation (Left Mouse : Drag, Right Mouse : Rotate, Wheel : Zoom) IntroductionIterative Closest Point (ICP) 알고리즘은 두 점군(pointcloud) 집합들이 주어졌을 때 각 점으로부터 최단 거리의 점들을 탐색하여 이를 바탕으로 반복적으로 정합(registration)하는 방법을 말한다. ICP는 주로 LiDAR SLAM에서 3D 스캔 데이터 정렬에 사용되며 Point-to-Point, Point-to-Plane 기법 등이 존재한다. Example pointcloud data (2D)2D Example (Left Mouse : Drag, Right Mouse : Rotate, Wheel : Zoom) 우선 2.. 공감수 8 댓글수 0 2024. 6. 29.
Modern C++ 개념 정리 (STL, Design Pattern, Concurrent, Template Programming) 본 포스트는 필자가 Modern C++을 공부하면서 중요하다고 생각되는 내용들을 정리한 포스트이다. 다루는 내용이 매우 많기 때문에 블로그 포스팅 형식으로는 더 이상 작성하지 않고 latex 파일로만 작성한다. 1 Introduction 1.1 What is new in modern c++ 1.2 Table summary2 Intermediate 2.1 Temporary 2.1.1 return-by-value vs return-by-reference 2.1.2 temporary and casting 2.2 Conversion 2.2.1 Conversion constructor, conversion operator 2.2.2 expl.. 공감수 15 댓글수 0 2024. 6. 27.
칼만 필터(Kalman Filter) 개념 정리 (+ KF, EKF, ESKF, IEKF, IESKF) Part 2 본 포스트는 필자가 Kalman filter 공부하면서 배운 내용을 정리한 포스트이다.이전 포스팅 칼만 필터(Kalman filter) 개념 정리 Part 1에서 더 많은 내용을 확인할 수 있다.Kalman filter를 이해하는데 필요한 기반 지식은 확률 이론(Probability Theory) 개념 정리 포스팅을 참조하면 된다.Particle filter에 대해 알고 싶으면 파티클 필터(Particle Filter) 개념 정리 포스팅을 참조하면 된다.arXiv preprintEnglish version Notes on Kalman Filter (KF, EKF, ESKF, IEKF, IESKF)The Kalman Filter (KF) is a powerful mathematical tool widely.. 공감수 34 댓글수 25 2024. 6. 20.
[SLAM] FAST-LIO2 논문 리뷰 (+ IKF, ikd-tree) 1. Introduction본 포스트에서는 FAST-LIO2 논문을 리뷰한다. FAST-LIO2는 HKU MaRS 연구실에서 22년도에 발표한 LIO 알고리즘으로 21년도에 발표한 FAST-LIO의 저널 버전이라고 할 수 있다. FAST-LIO2의 가장 큰 특징으로는 ikd-tree를 개발 및 적용하여 kNN 속도를 극적으로 향상시켰으며(kd-tree 대비 4% 시간 소요), 이에 따라 LOAM feature-based에서 Direct point registration 방식으로 LiDAR Odometry 방식이 변경된 것이다. 1.1. FAST-LIOFAST-LIO의 main contribution은 다음과 같다. 1. Iterated Kalman filter(IKF)를 사용하여 LiDAR와 IMU 센.. 공감수 59 댓글수 39 2024. 4. 17.
[Curated] SLAM 엔지니어 역량 점검 체크리스트 질문 본 포스트는 필자가 생각하는 SLAM 엔지니어 역량 점검 체크리스트입니다. 좋은 질문을 찾을 때마다 지속적으로 내용을 업데이트하려고 합니다. 더 좋은 질문이나 답변 내용이 있으면 댓글로 알려주시면 감사하겠습니다. A. Frontend - VO, VIO ORB-SLAM2에서 Initialization 프로세스에 대해서 설명하시오. ORB-SLAM2의 Intialization 과정에서 사용된 방법이 2가지가 있는데 2가지가 어떤 차이점이 있는가? 더보기 (Fundamental Matrix \& Homography를 사용하여 초기화하는 이유) DSO, ORB-SLAM2 모두 키프레임 기반으로 SLAM을 수행하는데 키프레임 방식을 사용하는 이유는 무엇인가? DSO에서 Intialization 과정이 어떻게 되는.. 공감수 14 댓글수 0 2024. 4. 8.
[PS] 알고리즘 문제 풀이 - 유용한 팁 및 문제 리스트 정리 자료구조와 알고리즘에 대해 더 알고 싶다면 [PS] 자료구조와 알고리즘 개념 정리 (Data Structure) Part 1 , [PS] 자료구조와 알고리즘 개념 정리 (Data Structure) Part 2 포스트를 참조하면 된다. NOMENCLATURE$V$ : 노드(Node, Vertex)의 개수 $E$ : 간선(Edge)의 개수$n$ : 원소의 개수 (또는 $N$)$\log n$ : 밑이 2인 $\log_2 n$을 간략하게 표기노드 = 정점간선 = 엣지 BasicsTip문제는 다음 링크를 통해 확인할 수 있다.백준: boj.kr/{문제 번호}정올: jungol.co.kr/problem/{문제 번호}알고스팟: algospot.com/judge/problem/read/{코드이름}채점용 서버는 일반적.. 공감수 18 댓글수 0 2024. 3. 8.
[PS] 자료구조와 알고리즘 개념 정리 (Algorithm) Part 2 자료구조와 알고리즘에 대해 더 알고 싶다면 [PS] 자료구조와 알고리즘 개념 정리 (Data Structure) Part 1 포스트를 참조하면 된다.PS 문제풀이 팁 및 문제 리스트에 대해 더 알고 싶다면 [PS] 알고리즘 문제 풀이 - 유용한 팁 및 문제 리스트 정리 포스트를 참조하면 된다. NOMENCLATURE$V$ : 노드(Node, Vertex)의 개수 $E$ : 간선(Edge)의 개수$n$ : 원소의 개수 (또는 $N$)$\log n$ : 밑이 2인 $\log_2 n$을 간략하게 표기노드 = 정점간선 = 엣지 AlgorithmMathPrime number소수(prime number)는 1과 자기 자신으로만 나누어지는 수를 말한다. 즉, 임의의 수를 약분했을 때 약수가 2개이면 해당 수를 소수라.. 공감수 13 댓글수 1 2024. 3. 8.
[PS] 자료구조와 알고리즘 개념 정리 (Data Structure) Part 1 자료구조와 알고리즘에 대해 더 알고 싶다면 [PS] 자료구조와 알고리즘 개념 정리 (Data Structure) Part 2 포스트를 참조하면 된다.PS 문제풀이 팁 및 문제 리스트에 대해 더 알고 싶다면 [PS] 알고리즘 문제 풀이 - 유용한 팁 및 문제 리스트 정리 포스트를 참조하면 된다. NOMENCLATURE$V$ : 노드(Node, Vertex)의 개수 $E$ : 간선(Edge)의 개수$n$ : 원소의 개수 (또는 $N$)$\log n$ : 밑이 2인 $\log_2 n$을 간략하게 표기노드 = 정점간선 = 엣지본 포스팅은 필자가 Problem Solving(PS)를 공부하면서 정리한 포스팅이다. Data structureArray배열(Array)는 메모리 상에 원소를 연속하게 배치한 자료구조를 .. 공감수 12 댓글수 1 2024. 3. 7.
확률 이론(Probability Theory) 개념 정리 Part 2 - Random Process, Gaussian Process, Gaussian Process Regression 확률 이론의 기본적인 내용에 대해 알고 싶으면 확률 이론(Probability Theory) 개념 정리 Part 1 포스팅을 참조하면 된다. NOMENCLATURE of Probability Theory확률(probability)는 $Pr(\cdot)$으로 표기한다.사건(event)은 대문자로 표기힌다. e.g., $A,B$이산 확률질량함수(pmf)와 연속 확률밀도함수(pdf)는 각각 $P(\cdot)$와 $p(\cdot)$으로 표기한다.확률변수(random variable)는 소문자로 표기한다. e.g., $x,y$확률의 파라미터는 사건(event)이고 pdf, pmf의 파라미터는 확률변수가 된다. e.g., $Pr(A), P(x), p(x)$Random Process랜덤 프로세스(random proc.. 공감수 7 댓글수 0 2024. 2. 27.
추정 이론(Estimation Theory) 개념 정리 Part 3 - Bayesian Philosophy 10. The Bayesian Philosophy본 챕터에서는 지금까지 설명한 고전적인 추정 방법에서 벗어나 파라미터 $\theta$ 또한 하나의 확률 변수(random variable)로 보는 베이지안(Bayesian) 관점에 대하여 설명한다. 앞서 챕터 1에서 설명하였듯이 고전적인 관점과 베이지안 관점의 차이는 다음과 같다.\begin{equation} \begin{aligned} & \text{Frequentist: } \quad \underbrace{x[n]}_{\text{r.v.}} = \underbrace{\theta}_{\text{deterministic}}+ w[n] \\ & \text{Bayesian: } \quad \underbrace{x[n]}_{\text{r.v.}} = \u.. 공감수 39 댓글수 15 2024. 2. 17.
추정 이론(Estimation Theory) 개념 정리 Part 2 - RBLS, BLUE, MLE, LSE, Exponential Familiy 5. General Minimum Variance Unbiased Estimation이전 섹션에서 CRLB를 통해 추정값이 efficient함을 알 수 있고 efficient한 추정값은 MVUE가 되는 것을 알 수 있었다. 그리고 선형 모델(linear model)을 사용하여 다양한 예제를 확인하였다. 하지만 만약 efficient한 추정값이 존재하지 않더라도 MVUE를 찾는 것에 관심이 있을 수 있다. 이번 섹션에서는 이러한 관심사를 확인할 수 있는 Rao-Blackwell-Lehmann-Scheffe(RBLS) 이론에 대해 배우고 이를 위한 충분통계량(sufficient statistics)의 개념에 대해 배운다. RBLS를 사용하면 많은 경우 단순히 pdf를 보는 것 만으로도 MVUE 인지 여부를 .. 공감수 7 댓글수 1 2024. 2. 12.
추정 이론(Estimation Theory) 개념 정리 Part 1 - MVUE, CRLB 본 포스트는 필자가 추정 이론을 공부한 내용을 바탕으로 정리한 포스팅이다. 1. Introduction추정 이론(estimation theory)는 관측된 데이터를 바탕으로 모델의 파라미터나 상태를 예측하는 다양한 방법을 정리한 이론이다. 이는 데이터 분석, 신호처리, 기계학습, 금융, 로봇공학 등 다양한 분야에서 널리 쓰이고 있으며 주로 불확실성을 다루는 과정에서 정확한 결정을 내리기 위한 필수적인 도구로 사용된다. 추정 이론의 응용 분야는 매우 넓은데 통신에서는 신호의 품질을 추정하거나 기계학습에서는 데이터로부터 알고리즘의 파라미터를 결정하는데 사용된다. 또한 금융 분야에서는 시장의 미래 동향을 예측하기 위한 변수를 추정하는데 필수적으로 사용되고 있다. 1.1. The Mathematical Es.. 공감수 13 댓글수 3 2024. 2. 10.
[Math] Useful Mathematical Identities and Tricks 정리 본 포스트에서는 수식을 유도할 때 자주 사용되는 수학적 동치 관계 또는 트릭에 대하여 정리한다. 필자는 주로 SLAM과 관련된 분야에 대한 수식과 논문을 많이 접하기 때문에 이와 관련된 수식을 정리하였다. Skew-symmetric matrix 3차원 벡터 $\mathbf{v} = [v_x, v_y, v_z]^{\intercal} \in \mathbb{R}^{3}$가 있을 때 이에 대한 반대칭 행렬을 $[\mathbf{v}]_{\times} = \begin{bmatrix} 0&-v_z&v_y \\ v_z & 0 & -v_x \\ -v_y & v_x & 0 \end{bmatrix}$라고 하면 다음과 같은 성질이 성립한다.\begin{equation} \boxed{ \begin{aligned}&[\mat.. 공감수 13 댓글수 2 2024. 2. 4.
[Curated] SLAM 논문 리뷰 모음 (+ VO, VIO, LO, LIO) 1. [SLAM] FAST-LIO2 논문 리뷰 (+ IKF, ikd-tree) [SLAM] FAST-LIO2 논문 리뷰 (+ IKF, ikd-tree) 1. Introduction 본 포스트에서는 FAST-LIO2 논문을 리뷰한다. FAST-LIO2는 HKU MaRS 연구실에서 22년도에 발표한 LIO 알고리즘으로 21년도에 발표한 FAST-LIO의 저널 버전이라고 할 수 있다. FAST-LIO2의 가장 큰 특 alida.tistory.com 2. [SLAM] VINS-mono 논문 리뷰 (+ IMU preintegration) [SLAM] VINS-mono 논문 리뷰 (+ IMU preintegration) pdf version is available here: Go to download 본 포스팅은 .. 공감수 9 댓글수 1 2024. 1. 28.
[SLAM] ROVIO 논문 및 코드 리뷰 (+ IEKF) 1. Introduction to ROVIO ROVIO는 RObust Visual Inertial Odometry의 약자로 ETHZ의 ASL 연구실의 Bloesch et al.이 제안한 VIO 알고리즘이다. IROS 학회에 2015년에 처음 발표되었으며 이후 IJRR에 2017년 자세한 설명을 포함한 저널이 게재되었다. ROVIO는 MSCKF와 더불어 대표적인 필터링 기반 Tightly-coupled VIO이다. MSCKF와 가장 큰 차이점은 밝기 오차(photometric error)를 IEKF의 Update 과정에 사용한다는 점이다. 이를 통해 실시간 성능의 가벼우면서도 모션블러 및 텍스쳐가 적은 환경에 강인한 알고리즘을 제안하였다. 1.1. Loosely-coupled VIO vs Tightly-c.. 공감수 11 댓글수 0 2024. 1. 27.
Autohotkey - 윈도우를 내 마음대로 컨트롤할 수 있는 매크로 프로그램 Introduction Autohotkey는 윈도우에서 필요한 기능을 복잡한 Visual C++을 통해 구현하지 않아도 비교적 빠르고 쉽게 구현할 수 있는 매크로 프로그램이다. Autohotkey 전용 프로그래밍 언어를 지원하는데 이를 통해 윈도우 내부의 다양한 함수들을 조작할 수 있고 생각할 수 있는 거의 모든 기능들을 간단하게 구현할 수 있다. 필자는 윈도우 11에서 사용하고 있으며 윈도우 10에서도 정상적으로 작동하는 것을 확인하였다. 필자가 현재(24.01) 사용하고 있는 Autohotkey 버전은 1.1 버전이다. Autohotkey 2.x 버전은 전용 에디터인 Scite4Autohotkey를 사용하기 어렵기 때문에 1.x 버전을 사용하고 있다. Autohotkey 프로그램은 구글링을 통해서 설.. 공감수 6 댓글수 1 2024. 1. 7.
GPTs - alida assistant ChatGPT에서 alida 블로그 관련하여 궁금한 내용을 물어보면 질문에 답해주는 GTPs를 만들었습니다. 포스팅의 내용이 너무 길고 어느 곳에 원하는 정보가 있는지 알기 어려울 때 사용하시면 좋을 것 같네요. 또한 블로그를 보면서 궁금한 점이 있으면 alida assistant에 물어보면 도움을 얻으실 수 있을 것 같습니다 :-) https://chat.openai.com/g/g-irky3iafE-alida-assistant 공감수 33 댓글수 23 2023. 11. 28.
확률 이론(Probability Theory) 개념 정리 Part 1 - Probability, Random Variable, Distribution 본 포스트는 필자가 확률 이론을 공부하면서 정리한 내용이다.랜덤 프로세스(Random Process), 가우시안 프로세스(Gaussian Process)에 대해 알고 싶으면 확률 이론(Probability Theory) 개념 정리 Part 2 포스팅을 참조하면 된다.선형대수학에 대해 알고 싶으면 선형대수학 (Linear Algebra) 개념 정리 Part1, 선형대수학 (Linear Algebra) 개념 정리 Part2 포스트를 참조하면 된다. Kalman filter (KF, EKF, ESKF)에 대해 알고 싶으면 칼만 필터(Kalman Filter) 개념 정리 포스트를 참조하면 된다.Particle filter에 대해 알고 싶으면 파티클 필터(Particle Filter) 개념 정리 포스트을 참조하.. 공감수 19 댓글수 5 2023. 11. 13.
[SLAM] Hand-eye Calibration 개념 정리 (+ Trajectory Evaluation) 본 포스트는 공부용으로 작성되었습니다. 틀린 부분이나 수정해야 할 부분이 있다면 말씀해주시면 확인 후 반영하겠습니다. 본 포스트에서는 Visual SLAM의 성능 평가를 위하여 ground truth (GT) 데이터를 취득한 후 주로 수행하는 Hand-eye calibration에 대해 설명한다. IntroductionVisual SLAM의 성능을 평가하기 위해서는 다양한 방법들이 존재하지만 실내에서는 주로 모션 캡쳐 시스템을 활용하여 ground truth (GT) 데이터를 취득한 후 성능을 평가한다. 모션 캡쳐 시스템은 일반적으로 카메라에 IR 반사 마커를 부착하여 GT 좌표계 $\{A\}$를 만든 후 실내에 고정된 여러 대의 카메라가 반사 마커를 추적하면서 GT trajectory를 만든다. .. 공감수 11 댓글수 3 2023. 11. 10.
[Curated] SLAM 유튜브 채널 Youtube(ALIDA) 1. [코드 리뷰] G2O Examples [코드 리뷰] G2O Examples www.youtube.com 2. [코드 리뷰] Visual SLAM Book [코드 리뷰] Visual SLAM Book www.youtube.com 3. ROS 개념 및 다양한 명령어 설명 4. 리군 이론(Lie Theory) 개념 정리 (SO3, SE3) 5. 다중관점기하학(Multiple View Geometry) 개념 정리 공감수 8 댓글수 1 2023. 7. 4.
[Curated] SLAM 입문자를 위한 로드맵 가이드 본 포스트에서는 SLAM을 처음 접하거나 아직 익숙해지지 않은 분들에게 필요한 선수 지식, 공부 자료들에 대해 설명한다. 필자는 2019년에 SLAM에 대해 처음 접하고 석사 연구 주제로 선정하였으며 그 때 많이 도움을 받은 자료 위주로 설명할 예정이다. 이후 더 좋은 자료가 있으면 업데이트할 예정이다. (last updated: 23.11.22) 1. Korean community SLAM을 공부하면서 커뮤니티의 도움을 받으면 어려운 난관을 비교적 수월하게 헤쳐나갈 수 있다. 포스팅 시점에 국내에는 크게 두 개의 커뮤니티가 존재한다. 1.1. Facebook SLAM KR SLAM KR | Facebook SLAM 연구 관련하여 정보를 나누는 공간입니다. 학문적 이론에서 실제적 구현을 거쳐 재미있는 응.. 공감수 17 댓글수 9 2023. 6. 14.
3D 강체 변환(Rigid Body Transformation) 개념 정리 본 포스팅에서는 3차원 공간 상의 강체를 변환할 때 사용하는 다양한 표현법에 대해 설명한다. Rigid body transformation본 자료에서는 3차원 공간 상의 강체(rigid body)의 움직임을 수학적으로 표현하는 다양한 방법들에 대하여 설명한다. 강체란 이론적으로 무한대의 강성을 가지는 물체를 뜻한다. 따라서 강체는 외부에서 힘을 가해도 모양이 변형이 되지 않으며 무게중심으로 지정되는 하나의 점에 의해 운동이 결정된다.SLAM에서 강체란 일반적으로 움직이는 카메라 센서를 의미하며 시간에 따라 카메라의 형태가 일정하다고 가정하므로 강체 변환(rigid body transformation)를 사용하여 카메라의 움직임을 수학적으로 표현할 수 있다.Coordinate system본 섹션에서는 이후.. 공감수 16 댓글수 6 2023. 1. 24.
[Curated] Download Archive Outdated (2019~2021) SLAM prerequisite (2019) 3D Rigid Body Transformation 개념 리뷰 (2019) Pose Graph-based SLAM + Bundle Adjustment 개념 리뷰 (2019) Visual SLAM, Indirect vs Direct method 개념 비교 SLAM lecture review Freiburg university's Prof. Cyrill Stachniss (2018) Ch14 Least Squares (2018) Ch15 Least Square Approach to SLAM (2018) Ch16 Hierarchical Pose Graph (2018) Ch17 LS SLAM with Landmark (2018) .. 공감수 14 댓글수 0 2023. 1. 21.
[En] Notes on Multiple View Geometry in Computer Vision Part 1 0. Projective Space Projective geometry is an essential topic in computer vision, particularly in 3D reconstruction and Simultaneous Localization and Mapping (SLAM) algorithms. Projective geometry is the study of properties that are invariant under projective transformations. A projective transformation is a non-singular linear transformation of the projective space $\mathbb{P}^{n}$. In projecti.. 공감수 5 댓글수 0 2023. 1. 18.
[SLAM][En] Direct Sparse Odometry (DSO) Paper Review Part 2 4. Keyframes 4.1. Inverse Depth Update To be added 4.2. Immature Point Activation To be added 4.3. Sliding Window Optimization 4.3.1. Error Function Formulation If a specific frame is determined as a keyframe, the error function must be updated between keyframes within the sliding window and a new keyframe. At this time, Local Bundle Adjustment (LBA) is performed to optimize not only the keyfram.. 공감수 2 댓글수 0 2023. 1. 17.
[SLAM][En] Direct Sparse Odometry (DSO) Paper Review Part 1 In this post, we review the DSO paper, which is famous for its direct method-based VO algorithm. While analyzing the DSO code, I found out that there were a lot of details omitted in the thesis, and I wrote a summary that included formula derivation and code review by referring to other people's already well-organized data. 1. Initialization 1.1 Calibration Since the direct method estimates the .. 공감수 3 댓글수 0 2023. 1. 17.
[En] Notes on Lie Theory (SO(3), SE(3)) In this post, Lie Theory used in SLAM is explained. When studying the optimization part in SLAM, Lie Theory-based optimization methods often appear, but it is difficult to understand the optimization process without prior knowledge of the content. did Most of the contents were referred to [6]. Group Theory A group refers to an algebraic structure consisting of a set and a binary operation, which.. 공감수 4 댓글수 0 2023. 1. 17.
[En] Notes on Plücker Coordinate 1. Introduction The Plücker Coordinate representation was first introduced by the 19th century mathematician Julius Plücker. This expression is one of the ways to express a line, and is used to express a line in the 4-dimensional $\mathbb{P}^{3}$ space using a point in the 6-dimensional $\mathbb{P}^{5}$ space. do. This expression method is characterized by a one-to-one correspondence between a p.. 공감수 3 댓글수 0 2023. 1. 17.
[SLAM][En] Errors and Jacobian Derivations for SLAM Part 2 7. IMU measurement error In order to obtain the IMU measurement error, you must first know about the IMU preintegration technique and error-state modeling. The following figure expresses the overall IMU measurement error-based optimization process. The overall IMU measurement error-based optimization process, with detailed explanations and color highlighting added for better understanding, is as.. 공감수 2 댓글수 0 2023. 1. 17.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.