self-driving

논문 링크: https://arxiv.org/abs/2004.10934YOLOv3에 모듈 형식의 추가적인 방법, Loss function 개선, 더 효율적인 학습 방식 적용하여 만든 빠르고 정확한 모델이 YOLOv4이다. 대부분의 CNN 기반 object de

YOLO 이전 모델들은 이미지를 여러 번에 걸쳐 확인해서 이미지를 처리할 때 많은 시간이 걸렸다. 하지만 YOLO는 이미지를 한번 보고도 바로 객체를 검출할 수 있어서 실시간으로 빠르게 객체를 탐지할 수 있다. 2020년 6월에 발표되었고 paper 없이 코드만 공개되

(Time to Collision) TTC는 차량이 충돌하는 데까지 걸리는 시간이다. $$TTC = \\frac{RelativeDistance}{RelativeSpeed} = \\frac{X{i-1}-X_i-l_i}{V{i-1}-V_i} X: 차량 위치V: 차량 속도t

TensorRT로 변환할 때 .pt → .onnx → .trt or .engine을 거쳐서 변환됩니다. 아래 링크 클론 해주세요! https://github.com/KopiSoftware/TRT_Ultra_Fast_Lane_Detect?tab=readme-ov

roboflow에서 라벨링함Download Dataset 누르고 → Format: YOLOv8, Show download code 선택 주피터 코드 실행하면 데이터셋 다운로드됨 data.yaml 열어서 train이랑 test에 경로 맞게 넣기1\. validation

Preliminary 세상은 3차원인데 카메라나 우리 눈은 2차원 평면으로 보이게 만든다. 카메라 움직일 때 화면이 달라지는 이유는 Camera Extrinsics가 변하기 때문이다. zoom in/out 할 때 화면이 달라지는 이유는 Camera Intrins

A\* 알고리즘은 출발 노드부터 목표 노드까지 가는 최단 경로 찾는 그래프 탐색 알고리즘 중 하나이다. Dijkstra algorithm과 유사하지만, 목표 노드까지의 휴리스틱 거리 측정값인 h(n)도 사용한다는 점에서 다르다. 가장 작은 비용 갖는 사각형끼리 서로 이

제어(Control)는 시스템의 상태를 원하는 목표치로 도달시키는 과정이다. 제어에서는 1. Performance와 2. Stability를 중점으로 본다. Performance는 시스템의 상태가 목표치에 부합한 정도이고, Stability는 시스템에 외란이 가해져도