산책@우이동계곡

장어를 먹으러 우이동 계곡에 있는 장어집을 방문하였습니다. 예전에도 한번 갔던 가게인데, 맛이 꽤 괜찮았던 곳이었거든요.

iPhone X 2018-11-11 11:29:49 f/1.8 1/30sec ISO-25 4mm

이번엔 식사를 마치고 근처 산 길을 좀 걸어보았습니다. 단풍도 짙게 드리우고, 공기도 괜찮고 분위기도 좋네요.

iPhone X 2018-11-11 13:13:08 f/1.8 1/120sec ISO-25 4mm

어디를 찍어도 예술 작품이네요. ^^ 가을 냄새 물씐 풍깁니다. 

길 가다가 만난 개…들도 참 부럽게… 있네요. 니네들 팔자가 상팔자로구나…

Advertisements

심층학습 (Deep Learning)

딥러닝 기술 중 GAN의 창시자인 이안 굿펠로우가 작성한 책으로 http://www.deeplearningbook.org 에서 영문책은 쉽게 볼 수 있지만, 내용을 이해하기에 한글로 된 책도 하나 있으면 괜찮을듯 하여 구입함. 

이런 기술 번역서는 어색하지 않은 번역과 용어 등의 사용이 중요한데, 서점에서 잠깐 살펴본 바로는 큰 어색함이 느껴지지 않았고, 주요 용어들은 한글과 영문을 동시 표기하여 추후 영문 자료를 참고하는데 헷갈리지 않을 것 같음.

딥러닝에 필요한 기초 수학부터 응용까지 꽤 많은 내용이 포함된 교과서로 완독하지도 않더라도 참고서로 한권씩은 갖고 있어야 될 책.

아침안개@청양

새벽녘 아스라이 깔려있는 안개와 텅빈 도로를 보고 있으면 마음이 차분해지는 느낌이다. 상쾌한 시골의 아침 공기도 느껴보고, 살포시 산 위에 걸쳐있는 태양도 하루를 시작하는데 좋은 기운을 주는 듯.

iPhone X 2018-11-04 08:03:54 f/1.8 1/510sec ISO-20 4mm

산 중턱에서 내려다본 모습은 더욱더 멋진 듯. 자욱히 깔려있는 안개와 저 멀리 보이는 산이마치 수묵화와 같은 느낌을 준다.

iPhone X 2018-11-04 08:23:08 f/2.4 1/1779sec ISO-16 6mm

단!! 이게 그냥 구경만 하는 것이라면 좋겠으나~ 저 날은 고추따러 밭에 가던 날 ㅠㅠ

imu_complementary_filter를 이용한 IMU 자세 추정

IMU를 이용한 자세추정 방법은 보통 보상 필터를 많이 사용한다. 3축 가속도 센서와 3축 자이로스코프를 사용하고, 3축 지자기 센서를 이용하여 보정한다. 가속도 센서는 3축의 가속도 값 (m/s^2)을 두번 적분하여 위치를 구할수 있으나 회전 및 진동 등에 의해서 값이 변하는 단점이 있고, 자이로스코프는 3축의 각속도 (rad/s)를 한번 적분하여 회전각을 알아낼수 있지만 각 축에 포함된 화이트 노이즈 덕분에 시간이 흐를수록 값이 변한다 (일명 드리프트 현상).

따라서 각각의 센서가 가지는 장점을 뽑아서 사용하자는게 보상필터이고, 간단하게는 Low-pass filter, High-pass filter를 사용하거나, 두개의 Band-pass filter를 사용하는게 일반적이다. 이게 바로 보상 (complementary) 필터이다.

직접 구현해서 사용하는 것도 방법이긴하나, 이미 많이 알려진 알고리즘이고 ROS에 패키지로도 존재하므로 쉽게 사용이 가능하다.

사용할 패키지는 imu_complementary_filter이다. 사용 방법은 연결된 링크의 wiki 페이지에 자알~ 되어있다. 논문을 기반으로 개발된 것 같고, 간단한(?) 블록 다이러그램은 다음과 같다.

Ref: https://www.mdpi.com/1424-8220/15/8/19302

설치는 다음과 같이 하고,

$ sudo apt install ros-kinetic-imu-complementary-filter

사용은 다음과 같이,

$ rosrun imu_complementary_filter complementary_filter_node

complementary_filter_node는 /imu/data_raw (sensor_msgs/Imu)를 Subscribe 한다. 사용하려는 IMU가 위 토픽을 Publish 한다면 고맙게 사용할 수 있고, 토픽 이름이 다르다면 다음과 같이 실행하면 끝!,

$ rosrun imu_complementary_filter complementary_filter_node /imu/data:=/<your_topic_name>

결과로는 imu/data (sensor_msgs/Imu)를 Publish 한다. 결과를 살펴보면 입력 데이터에 Orientation 값이 계산되어 나옴을 확인할 수 있다.

동해 일출@양양

일출을 그렇게 많이 본적이 있는건 아니지만, 이번 일출은 구름이 거의 없고 바다의 수평선이 깨끗하게 보인다는 점에서 참 인상적이었다.

요즘은 겨울이 가까워져 일출시간도 아침 6시 45분 정도라 부담도 덜했던 것 같고. 해 뜨는 시간이 가까워지면서 수평선 중앙쯤이 붉그스레 변해갔고 다른 사람들도 한 두명씩 보이기 시작했다.

일출 장면은 타임랩스를 찍느라 사진은 없고, 숙소로 돌아가는 길에 좀더 위로 올라온 장면을 찍었다.

일출을 보았으니 소원을 빌어야겠지. 내 소원은 “로또 되게 해주세요~~~!!” ^^