[성과]를 달성하게 된 배경에 대해서 설명해주세요.
Perception 파트를 맡게 되었는데 이 부분에서는 Cone Detection과 SLAM 기반으로 기능 구현을 해야하는 상황이었다. Detection은 그래도 경험이 있었기에 후순위로 밀어두었고 SLAM에 대해서 먼저 손보기 시작했었다.
나는 SLAM이라는게 자율주행에서 쓰인다 정도의 개념만 알고 있었지 아예 무지한 상태였기 때문에 이런 저런 서칭을 해보다가 드리븐 바퀴벌레 팀이 사용하는 장비인 Jetson Xavier와 Velodyne VLP16을 기반으로 논문이 작성되어있었던 LeGO-LOAM이라는 방법론을 사용하기로 했다.
사실 지금 생각해보면 이 모델을 선택한 계기와 근거에 좀 아쉬움이 남는다. 무지했기에 큰 이슈 없이 빠르게 실행을 시켜보고 싶은 마음이 커서 환경이 동일한 이 모델을 선택하긴 했지만 해당 모델의 장단점을 제대로 파악하지 못했던 것 같다.
어쨋든 선택한 LeGO-LOAM을 통해 path-planning에 필요한 2차원 맵을 만들기 위해서 추가적으로 구현하여 LeGO-LOAM에 패키징하였다.
또한 YOLOv5를 처음에 모듈화하여 사용하려다 자율주행 전체 시스템을 ROS 패키징하는 것이 낫다고 판단하여 이 또한 ROS에서 구동 가능하게 수정하였다.
[성과]는 누구와 함께 했나요 ?
얼론
[성과]는 어디에 영향을 줬나요 ?
자율주행의 시작점 역할
[성과]는 얼만큼 영향을 줬나요 ?
결과적으로 주행을 제대로 못했기 때문에 결과를 확인할 수는 없었지만 전체 SW 시스템만 봤을 때는 잘 작동하는 것을 볼 수 있었음.
똑같은 [성과]를 한다면 어떻게 더 잘 할 수 있을까요 ?
YOLO에 CUDA를 활용하지 못한 점이 상당히 아쉽다. 단독 실행을 했을 경우에는 속도가 그래도 0.5초 (+- 0.2)로 준수한 속도를 보였지만 전체 시스템을 구동하였을 경우에는 3초 이상씩 걸리는 경우가 많아서 CUDA를 통해 속도 개선을 하지 못한 점이 아쉽다.
그리고 LeGO-LOAM 알고리즘의 문제인지 데이터 확보에서의 문제인지 순간 순가의 지도 말고 전체 지도를 제대로 뽑아내지 못하는 이유를 알아내지 못한 점이 아쉽다. 논문을 제대로 읽어봤다면 개선할 수 있지 않았을까 하는 아쉬움이 남는다.