티스토리

우당탕탕 코딩 제작소
검색하기

블로그 홈

우당탕탕 코딩 제작소

udangtangtang-cording-oldcast1e.tistory.com/m

아두이노와 C언어, 유니티에 대한 전문적인 지식과 개발 과정을 포스팅합니다.

구독자
13
방명록 방문하기
공지 💻Vscode Web에서 실행하기💻 모두보기
728x90
반응형

주요 글 목록

  • [React Native] #2-3. 계산기 인터페이스 심화 2.3. Button 컴포넌트와 props2.3-4. 계산기 버튼 만들기이전 포스팅에 이어 작성한다. 2.3(Button 컴포넌트와 props) / 3-4 [React Native] #2-2. 계산기 인터페이스 만들기25.02.10 이전 포스팅에서는 기본적인 리엑트 네이티브의 프로젝트 초기 설정을 진행했고, props의 객체 구조 분해할당에 대해 언급하고 마무리했다. 잠깐 다시 복습해 보자! [React Native] #2-1. 계산udangtangtang-cording-oldcast1e.tistory.com 계산기를 구현하기 위한 버튼은 다음과 같다 : 정사각형 숫자 / 가로 형 숫자 / 정사각형 연산 / 세로형 연산중복된 기능을 불필요하게 반복 생성하는 것이 아닌 4가지 종류의 버턴을 모두 활용할 수.. 공감수 2 댓글수 1 2025. 2. 15.
  • [React Native] #2-2. 계산기 인터페이스 기초 25.02.10 이전 포스팅에서는 기본적인 리엑트 네이티브의 프로젝트 초기 설정을 진행했고, props의 객체 구조 분해할당에 대해 언급하고 마무리했다. 잠깐 다시 복습해 보자! [React Native] #2-1. 계산기 만들기 초기 설정이번 포스팅에서는 간단한 계산기 어플리케이션을 구현해보자. 다음 내용을 다루게 된다.스타일 : StyleSheet로 스타일 변경하기 / 화면 정렬과 방향컴포넌트 : props와 상태 / 커스텀 컴포넌트Hooks: uudangtangtang-cording-oldcast1e.tistory.com이전 포스팅 복습객체 구조 분해 할당(Object Destructuring)은 객체에서 특정 속성만 추출하여 변수에 할당하는 방법이다. 이를 통해 불필요한 객체 참조를 줄이고, 코드.. 공감수 1 댓글수 1 2025. 2. 11.
  • [TIP] 맥북에서 아이콘이 미리보기 이미지로 보이지 않을 때 해결 방법 최근 맥북에서 PDF 파일을 열었을 때 아이콘이 미리보기 이미지로 표시되지 않는 문제가 발생하였다. PDF 파일 자체는 정상적으로 열리지만, 아이콘이 회색 기본 문서 아이콘으로 나타났다. 이 문제를 해결하기 위해 여러 가지 방법을 시도하였고, 결국 정상적으로 미리보기 아이콘이 표시되도록 설정할 수 있었다.문제의 원인PDF 파일의 미리보기 이미지가 나타나지 않는 원인은 여러 가지가 있을 수 있다. 대표적인 원인은 다음과 같다.Finder의 설정에서 아이콘 미리보기가 비활성화됨Quick Look 기능이 정상적으로 작동하지 않음Finder 또는 Quick Look의 캐시가 손상됨macOS의 기본 썸네일 생성 시스템이 오류를 일으킴이 문제를 해결하기 위해 Finder의 설정을 조정하고 Quick Look 기능을.. 공감수 0 댓글수 0 2025. 2. 5.
  • [React Native] #2-1. 계산기 만들기 초기 설정 이번 포스팅에서는 간단한 계산기 어플리케이션을 구현해보자. 다음 내용을 다루게 된다.스타일 : StyleSheet로 스타일 변경하기 / 화면 정렬과 방향컴포넌트 : props와 상태 / 커스텀 컴포넌트Hooks: useState로 상태 관리하기먼저 "rn-calc"이라는 프로젝트를 생성 후 프로젝트 파일로 이동, ESLint 파일을 생성한다.실행하면 프로젝트 유형을 선택하는 옵션이 나타난다. 여기서 "blank"(빈 프로젝트)를 선택한 후 진행한다.맥북에서 파일/폴더 삭제하는 명령어 정리1. 일반 파일 삭제 : rm 파일경로2. 폴더 삭제 (-r 옵션 추가) : rm -r 폴더경로3. 강제 삭제 (-rf 옵션 추가) : rm -rf 파일경로 또는 폴더경로4. 권한 문제 발생 시 (sudo 사용) : su.. 공감수 4 댓글수 1 2025. 2. 4.
  • [React Native] #1-2. 리액트 네이티브 프로젝트 생성하기 React Native 프로젝트를 보다 쉽게 개발할 수 있도록 도와주는 Expo를 사용하면 빠르게 앱을 설정하고 실행할 수 있다.1. 리액트 네이티브 프로젝트 생성하기1-1. Expo 프로젝트 생성Expo는 React Native 개발을 더 간편하게 만들어주는 도구이다. 이를 위해 expo-cli(Expo Command Line Interface)를 사용하면 쉽게 프로젝트를 생성하고 실행할 수 있다. 이때 expo-cli는 Expo 프로젝트를 생성하고 관리할 수 있는 명령어 도구이다. React Native 앱을 빌드하거나, 실행하고, 테스트할 때 사용된다. 터미널에서 다음 명령어를 실행하여 expo-cli를 글로벌 패키지로 설치한다 : npm install -g expo-cli이 명령어를 실행하면 ex.. 공감수 4 댓글수 2 2025. 2. 2.
  • [React Native] #1-1. 리액트 네이티브 시작하기 리액트네이티브의 시작여러 개발 경험을 통해 결국 수상하기 위해서는 사람에게 가장 가깝고 친숙한 기술이 필요하다고 생각하게 되었고, 이를 위해 필수적인 요소는 직관적인 UX와 UI를 갖춘 완성도 높은 애플리케이션이라고 판단했다. 기존에는 백엔드와 프론트엔드를 명확히 구분하는 개발 방식을 고수했지만, 모바일 환경에서의 최적화와 사용자 경험을 직접 개선하기 위해서는 앱 개발 전반에 대한 이해가 필수적이라고 느꼈다. 이에 따라, React Native를 선택했다. React Native는 하나의 코드베이스로 iOS와 Android에서 모두 동작하는 크로스 플랫폼 앱을 개발할 수 있어, 개발 효율성을 극대화할 수 있다. 또한, 기존의 React 기반 웹 개발 경험을 살려 JavaScript와 JSX 문법을 활용할.. 공감수 5 댓글수 1 2025. 2. 1.
  • [모두의 딥러닝] #2. 딥러닝의 동작원리 3장 가장 훌륭한 예측선 긋기 : 선형회귀1. 선형 회귀회귀는 데이터를 이용해 입력 변수(독립 변수)와 결과 값(종속 변수) 사이의 관계를 찾아내는 방법이다. 회귀(Regression)는 데이터에서 변수들 간의 관계를 모델링하여, 독립 변수(입력 변수)를 기반으로 종속 변수(출력 변수)를 예측하는 통계적 방법이다. 회귀 분석은 주로 연속적인 값을 예측하는 데 사용되며, 머신러닝의 기본적인 지도 학습 기법 중 하나로 자리 잡고 있다. 회귀의 주요 목표는 입력 변수와 출력 변수 간의 수학적 관계를 찾아내어, 새로운 데이터가 주어졌을 때 출력 값을 정확하게 예측하는 것으로, 쉽게 말해 "입력값이 이럴 때 결괏값은 이런 경향이 있다"라는 관계를 찾아내는 것이다. 예를 들어, 공부 시간에 따라 시험 점수가 달라진.. 공감수 4 댓글수 2 2025. 1. 3.
  • [ROS] #1. 로봇 운영체제(ROS) ROS(Robot Operating System)ROS(Robot Operating System)는 로봇 응용 프로그램 개발을 위한 메타 운영체제로, OS 위에서 동작한다. 분산 컴퓨팅 자원의 스케줄링, 로드 관리, 에러 처리를 지원하며, 로보틱스 소프트웨어 개발 생태계를 전 세계적으로 구축하는 것을 목표로 한다. ROS는 메타 운영체제로 OS 위에 설치되어 분산 컴퓨팅 자원 간 가산화 레이어로 스케줄링, 로드, 에러처리 지원한다.이는 각 로봇 제조사마다 다른 제작으로 인한 차이와 불호환성을 해결하고 하나의 시스템으로 통합하여 사용 가능하다는 의미이다. ROS 커뮤니티 사이트• ROS 커뮤니티 : https://discourse.ros.org/• 국내 커뮤니티 : https://discourse.ros... 공감수 1 댓글수 0 2024. 12. 31.
  • #30. ESP-01 아두이노(Arduino)로 ESP-01을 사용하는 방법아두이노(Arduino)를 이용해 인터넷에 연결하는 여러 방법 중, ESP-01 와이파이 모듈을 사용하는 방법을 소개한다. ESP-01은 저렴하고 간단히 사용할 수 있어 다양한 IoT 프로젝트에 적합하다.ESP-01 모듈 개요ESP-01은 ESP8266 칩셋을 기반으로 하는 와이파이 모듈로, 주요 사양은 다음과 같다. Wi-Fi 표준802.11b/g/n동작 전압3.0V ~ 3.6V전류 소모평균 71mA, 최대 300mA절전 모드 전류최소 20μA인터페이스UART/GPIOUART 전송 속도최대 4MbpsSPI Flash8Mbit Default프로세서 속도최대 160MHz동작 온도-20℃ ~ 85℃ ESP-01의 간단한 PIN 구조는 다음과 같다: 핀 이.. 공감수 0 댓글수 0 2024. 12. 27.
  • [Arduino Cording] #6. 문자열 함수 아두이노 문자열 관련 함수 정리아두이노에서 문자열(String) 객체는 다양한 텍스트 작업을 처리하기 위해 제공된다. 문자열 객체와 관련된 주요 함수들을 정리하고, 각 함수의 예제 코드도 함께 제공한다. 관련된 함수들은 비슷한 종류끼리 묶어 표로 정리하였다.문자열 생성 및 초기화 함수String(): 문자열 객체를 초기화하거나 복사한다. 함수 이름설명예제 코드String()문자열 객체 초기화String str;String(const char[])C 문자열을 기반으로 문자열 객체 생성String str = "Hello";String(char)단일 문자로 문자열 객체 생성String str = 'A';String(int/float, base)숫자를 문자열로 변환하여 생성String str = String(1.. 공감수 0 댓글수 0 2024. 12. 27.
  • [모두의 딥러닝] #1. 딥러닝 시작을 위한 준비 운동 REBOOT : 기존의 블로그와는 다르게 공부하면서 새로 배우거나 중요한 내용만 작성하는 형태로 포스팅함.[1] 나의 첫 딥러닝인공지능/머신러닝/딥러닝의 차이인공지능 (Artificial Intelligence, AI)인공지능은 기계가 인간의 학습능력, 추론능력, 문제해결능력 등을 모방하도록 설계된 컴퓨터 프로그램이나 시스템을 말합니다. 인공지능은 다양한 분야에서 인간을 돕고 지원하는 기능을 수행할 수 있습니다. 머신러닝 (Machine Learning, ML)머신러닝은 데이터를 기반으로 컴퓨터가 학습할 수 있도록 만드는 알고리즘과 기술의 집합입니다. 데이터를 분석하고 패턴을 학습하여 예측, 분류, 판단 등을 수행할 수 있습니다. 머신러닝은 크게 지도학습, 비지도학습, 강화학습으로 나눌 수 있습니다. 딥.. 공감수 3 댓글수 2 2024. 12. 26.
  • #29. L9110 미니팬 L9110 모듈과 미니 팬의 사용법L9110 모듈은 소형 DC 팬이나 모터를 제어할 수 있는 간단한 드라이버 모듈이다. 이 모듈은 저전력으로 작동하며 Arduino와 같은 마이크로컨트롤러와 쉽게 연동할 수 있다. 해당 포스팅에서는 L9110 모듈을 사용하여 미니 팬을 제어하는 방법에 대해 알아본다.L9110 모듈의 핀 설명과 연결 방법L9110 모듈에는 전원 공급, 입력 신호, 출력 핀이 있다. 아래는 Arduino와 미니 팬 연결을 위한 핀 연결 방법을 표로 정리한 것이다. GNDGNDArduino의 접지 핀VCC5VArduino의 5V 전원 핀A-IAD9미니 팬 속도 제어 핀 1A-IBD10미니 팬 속도 제어 핀 2A1미니 팬 (+)미니 팬의 양극(+)A2미니 팬 (-)미니 팬의 음극(-)L9110 .. 공감수 1 댓글수 0 2024. 12. 26.
  • #28. OLED 0.96인치 128x64 SPI 6핀 A37 디스플레이 아두이노 OLED 0.96인치 128x64 SPI 6핀 A37OLED 0.96인치 128x64 SPI 6핀 A37 디스플레이 최근 프로젝트에서 가장 많이 활용되는 디스플레이 중 하나가 바로 OLED 디스플레이다. 특히, 0.96인치 128x64 해상도의 SPI 기반 6핀 A37 디스플레이는 소형 프로젝트에 적합한 성능과 유연성을 제공한다. 이 글에서는 A37 모델의 특징과 하드웨어 연결 방법, 그리고 아두이노와의 통합 사용법을 살펴보겠다.1. OLED A37 디스플레이의 주요 특징화면 크기 및 해상도: 0.96인치 크기에 128x64 픽셀의 해상도를 제공하며, 선명한 텍스트와 이미지를 표시할 수 있다.통신 방식: SPI(Serial Peripheral Interface)를 사용하여 빠른 데이터 전송이 가.. 공감수 1 댓글수 0 2024. 12. 24.
  • [사물인터넷응용설계] #1주차 2-1. 아두이노 실습UART 시리얼 통신의 이해1-1. UART 개념UART (Universal Asynchronous Receiver/Transmitter): 직렬 통신을 담당하는 하드웨어 프로토콜. 아두이노에서 Serial 클래스가 이 역할을 담당한다.전압 레벨일반적인 아두이노 UNO: 5V 기준 전압다른 컨트롤러(예: 3.3V) 또는 RS-232C(\u00b1전압)와 통신 시 별도의 레벨 변환 필요USB 연결아두이노 UNO 내부의 ATmega16u2 칩이 USB ↔ UART 변환을 처리해, PC와 직렬 통신 가능UNO 보드의 0번 UART 채널이 Serial 객체와 연결됨1-2. 실습 1: 시리얼 포트 선택 및 연결 확인아두이노 UNO 보드와 USB 케이블 준비USB 케이블로 아두이노를 컴퓨터에 .. 공감수 1 댓글수 0 2024. 12. 24.
  • #1. 기본 추상 자료형 (CHAPTER 4) 4.7. 응용문제4.7.1. 리스트 ADT 응용생일 케이크에 n> 0개의 불 켜진 양초가 원형으로 빙 둘러 서 있다. 생일 축하 게임으로, 첫 번째 양초부터 시작하여 k> 0개의 양초를 건너 꽂혀 있는 양초의 불을 끄고 뽑아낸다. 그리고는 다음 양초로부터 시작하여 k개의 양초를 건너 꽂혀 있는 양초의 불을 끄고 뽑아낸다. 이렇게 촛불을 끄고 뽑아내는 것을 원을 시계방 향으로 돌면서 양초가 하나만 남을 때까지 계속한다(당연히 케이크 주위는 점점 어두워진다). 마지막 양초는 겉보기엔 모르지만 내부에 특수장치가 설치되어 있어서 불이 꺼짐 과 동시에 멋진 축하쇼를 펼치도록 되어 있다. 이 특수 양초는 워낙 고가품이라 정확한 위치에 딱 한 개만 사용하고 싶다. 첫 번째 양초의 위치, 그리고 n과 k를 미리 알 경.. 공감수 2 댓글수 3 2024. 10. 6.
  • 4주차: 모델 훈련 머신러닝 모델 훈련에 대한 이해머신러닝 모델 훈련은 데이터에서 패턴을 학습하고, 이를 바탕으로 새로운 데이터에 대한 예측을 수행하는 중요한 과정이다. 이번 글에서는 머신러닝 모델 훈련에 사용되는 다양한 방법을 다루고, 그 과정에서 필요한 핵심 개념들을 정리한다.1. 선형 회귀 (Linear Regression)선형 회귀는 가장 기본적인 회귀 분석 기법 중 하나로, 주어진 데이터에 가장 적합한 직선을 찾아 예측을 수행하는 방법이다. 선형 회귀는 아래와 같은 수식으로 표현할 수 있다.이때, 비용 함수(Cost Function)를 최소화하기 위해 경사 하강법(Gradient Descent)을 이용할 수 있다. 비용 함수는 주로 평균 제곱 오차(MSE, Mean Squared Error)로 측정된다. 파이썬을 .. 공감수 2 댓글수 0 2024. 10. 1.
  • 2주차: 머신러닝 프로젝트 처음부터 끝까지 2.1 실제 데이터로 작업하기유명한공개 데이터 저장소OpenML(https://openmLorg)캐글(https://kaggle.com/datasets)PapersWithCode (https://paperswithcode. com/datasets)uc 어바인 머신러닝 저장소 (https://archive.ics.uci.edu/mI)아마존 AWS 데이터셋 (https://registry.opendata.aws)먼서플로 데이터셋 (https://tensorflow.org/datasets)메타 포털(공개 데이터 저장소가 나열되어 있는 페이지)데이터 포털 (https://dataportals.org)오픈 데이터 모니터 (https://opendatamonitor.eu)인기 있는공개 데이터가 나열되어 있는 다른페.. 공감수 8 댓글수 2 2024. 9. 24.
  • 3주차: 분류 이번 포스팅에서는 분류 시스템을 집중적으로 다뤄보도록 한다.3.1 MNIST여기서는 고등학생과 미국 인구 조사국 직원들이 손으로 쓴 70,000개의 작은 숫자 이미지로 구성된 MNIST 데이터셋을 사용한다. 각 이미지에는 어떤 숫자인지를 나타내는 레이블이 포함되어 있다. 사이킷런(Scikit-learn)에서 제공하는 여러 헬퍼 함수를 사용하여 잘 알려진 데이터셋을 쉽게 내려받을 수 있다. MNIST도 그중 하나다. 다음은 OpenML.org에서 MNIST 데이터셋을 내려받는 코드이다.from sklearn.datasets import fetch_openmlmnist = fetch_openml(’mnist_784’, as_frame=False) sklearn.datasets 패키지에 있는 함수는 대부분 세.. 공감수 0 댓글수 1 2024. 9. 24.
  • 알고리즘 실습 #2. 우선순위 큐(선택 & 삽입 정렬) [ 문제 1 ] (선택 정렬) n개의 양의 정수(중복 가능)를 입력받아, 아래에서 설명하는 선택 정렬을 이용하여 정렬하는 프로그램을 작성하시오.구현해야 할 선택 정렬 알고리즘 (가장 큰 값을 찾는 버전): • 크기가 n인 배열을 동적 할당하여, 입력된 양의 정수 저장(입력 정수는 중복 가능)• 제자리(in place) 정렬 사용. 즉, 입력 값 저장을 위한 배열 이외에 O(1)의 추가 공간만 사용• 배열의 뒷부분을 정렬 상태로 유지하고, 매 반복마다 최대 한 번의 교환 연산만 사용• 매 반복마다 가장 큰 값을 찾아, 오른쪽부터 채우는 방식으로 정렬#include#include#includeint main(){ int n;scanf("%d",&n); int *num = (int*)malloc(s.. 공감수 2 댓글수 0 2024. 9. 13.
  • 1주차 : CH1 한눈에 보는 머신러닝 1.1 머신러닝이란?머신러닝은 데이터에서 학습하도록 컴퓨터를 프로그래밍하는 과학(또는 예술)이다. (핸즈온 머신러닝 3판 1권 중)기계 학습 또는 머신 러닝은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이다. 기계 학습의 핵심은 표현과 일반화에 있다. 표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다.기계 학습은 복잡한 패턴에 대한 학습을 통해 상황에 대한 예측과 의사 결정을 돕는다.머신 러닝의 예시1. 스팸 필터 : 스팸 메일과 일반 메일의 데이터를 이용해 스팸 메일을 구분하여 사용자에게 쾌적한 환경을 제공한다.2. OCR 기술과 번역 기능 : AI 기반의 OCR 솔루션은 다양한 분야에서 활용되고 있다.3. AI 기반 작곡: 최근 AI가 .. 공감수 17 댓글수 9 2024. 9. 10.
  • #0. C 프로그래밍의 복습 블로그에 저장된 글이 방대해짐과 여러 분야의 프로그래밍 언어를 다루게 되므로 카테고리의 소분류를 줄이고, 포스팅의 제목으로 각 챕터를 나누도록 하겠다.또한 방학 동안 C언어 대신 파이썬을 했더니 C언어가 하나도 기억이 안나는 관계로, 알고리즘 및 실습에 앞서 기존의 연결리스트의 내용을 다시 짚고 넘어가는 과정을 거치도록 하겠다.[1] 이중 연결리스트Ⅰ. 구조체 선언아래 구조체 선언은 연결리스트 노드의 구조체 선언이다.이때 typedef struct를 사용하는 이유는 코드를 더 간결하고 사용하기 쉽게 만들기 위해서이다.  typedef struct을 사용하지 않는 경우typedef struct을 사용하는 경우struct ListNode {    element data;    struct ListNode* .. 공감수 5 댓글수 1 2024. 9. 6.
  • [모두의 딥러닝] #2. 딥러닝의 동작 원리 딥러닝의 동작 원리 | Notion#1. 가장 훌륭한 예측선 : 선형 회귀udangtangtang-cording-oldcast1e.notion.site 공감수 0 댓글수 0 2024. 8. 13.
  • #27. L293D 모터 드라이버 쉴드 아래 블로그를 참조하였습니다. 아두이노 모터 드라이버 L293D 쉴드▶ 모터 드라이버 L293D쉴드는 아두이노 우노, 메가, 레오나르도, 듀에 등에 적층하여 사용하는 확장형 ...blog.naver.comL293D 모터 드라이버 쉴드L293D 모터 드라이버 쉴드는 DC 모터와 스텝 모터를 제어하기 위한 아두이노 쉴드입니다. 이 쉴드는 두 개의 L293D IC를 탑재하고 있으며, 최대 4개의 DC 모터 또는 2개의 스텝 모터를 제어할 수 있습니다. 각 모터는 개별적으로 전압을 조절할 수 있으며, 전진 및 후진, 속도 제어가 가능합니다. ▶ L293D 모터 드라이버 쉴드는 DC 모터 혹은 서보 모터 제어용으로 사용됩니다.▶ 아두이노의 USB 포트 전원 입력은 전류량이 약하므로 모터를 구동할 때는 별도의 전원.. 공감수 1 댓글수 0 2024. 8. 12.
  • #6. 실시간 영상 분석 실시간 영상 분석 | Notion#1. YOLO 기반 이미지 스테레오 비전 알고리즘udangtangtang-cording-oldcast1e.notion.site #1. YOLO 기반 이미지 스테레오 비전 알고리즘ESP32 CAM에서 HTTP를 이용해 두 카메라의 이미지를 받아옴YOLO 기반 스테레오 비전 알고리즘 적용 및 거리 도출카테고리 및 객체 간 거리 반환1. model.py기능: YOLOv5 모델을 로드하는 함수가 포함되어 있습니다.load_model(weights_path): 주어진 경로에서 YOLOv5 모델을 로드합니다. 이 함수는 torch.hub.load()를 사용하여 YOLOv5 모델을 다운로드하고 메모리에 로드합니다.역할: 모델 로드 및 초기화를 담당하며, 이를 통해 이미지에서 객체를 .. 공감수 1 댓글수 0 2024. 8. 6.
  • #5. 스테레오 카메라 알고리즘 제작 스테레오 카메라 알고리즘 제작 | Notion#1. CNN 이용 Depth Map 구현udangtangtang-cording-oldcast1e.notion.site프로젝트 목표라이다 센서 개요라이다(LiDAR, Light Detection and Ranging) 센서는 레이저를 이용해 주변 환경의 거리 및 형상 정보를 정밀하게 측정하는 장치입니다. 라이다는 레이저 펄스를 발사하고, 대상물에 반사된 신호가 다시 돌아오는 시간을 측정하여 거리 정보를 얻습니다. 라이다 센서는 자율 주행차, 드론, 로봇 공학 등에서 널리 사용되며, 특히 주변 물체와의 거리 및 위치를 정확하게 파악해야 하는 응용 분야에서 중요한 역할을 합니다. 주변 조명 조건에 거의 영향을 받지 않기 때문에 야간이나 악천후 환경에서도 안정적인 .. 공감수 4 댓글수 2 2024. 8. 6.
  • #4. 스테레오 카메라 원리 분석(4) : Census transform와 Rank transform 영역 기반 정합 방법Ⅰ. 영역 기반 정합 방법윈도우 간의 상관도(= 정합 비용, 비유사도)를 기반으로 계산하여 시차를 계산하는 방법이며, 다양한 알고리즘이 존재합니다.그중에서도 Census transform은 잡음에 강하다는 특징이 있어서 많이 사용되는 알고리즘입니다. Ⅱ. Census transform💡 Census Transform은 각 픽셀의 주변 픽셀들과의 상대적인 밝기 비교를 통해 해당 픽셀의 특성을 이진 벡터로 변환하는 방법입니다. 이렇게 변환된 벡터는 픽셀 간의 절대적인 밝기 차이가 아닌, 이웃 픽셀들과의 관계를 나타내므로 조명 변화에 매우 강건합니다. 각각 개별적으로 기준영상의 윈도우(=Census window)와 목표 영상의 윈도우들 내에 존재하는 중심 픽셀과 주변 픽셀의 값의 비교를 .. 공감수 0 댓글수 0 2024. 8. 6.
  • #3. 스테레오 카메라 원리 분석(3) : SAD와 SSD 아래 블로그를 참조하였습니다. 영역 기반 정합 방법 - SAD(Sum of Absolute Difference), SSD(Sum of Squared Difference)Ⅰ. 영역 기반 정합 방법   윈도우 간의 상관도(= 정합 비용, 비유사도)를 기반으로 계산하여 시...blog.naver.com  스테레오 카메라 원리 분석(3) : SAD와 SSD | Notion‣udangtangtang-cording-oldcast1e.notion.site영역 기반 정합 방법Ⅰ. 영역 기반 정합 방법스테레오 카메라에서 영역 기반 정합(Local Area-Based Matching) 방법은 특정 픽셀 주변의 작은 영역(블록 또는 윈도우)을 비교하여 대응점을 찾는 방식입니다. 이 중에서 SAD (Sum of Absolut.. 공감수 1 댓글수 1 2024. 8. 6.
  • #2. 스테레오 카메라 원리 분석(2) : 스테레오 정합 스테레오 정합(Stereo matching)아래 블로그를 참조하였습니다. 스테레오 정합(Stereo matching)Ⅰ. 스테레오 정합이란?    스테레오 정합은 기준 영상(reference image)에서의 한 점에 대한 동...blog.naver.comⅠ. 스테레오 정합이란? 💡 최종 목표: 스테레오 비전을 설명할 때 나온 '시차(disparity)'를 계산하는 과정 스테레오 정합은 기준 영상에서의 한 점에 대한 동일한 점을 목표 영상에서 찾는 과정입니다. 목표 영상은 기준 영상의 반대 영상으로, 아래 그림을 통해 기준 영상을 이해해 봅시다. 기준 영상은 좌측 영상이 될 수도 있고, 우측 영상이 될 수도 있습니다.먼저 좌측 영상을 기준 영상으로, 좌/우 영상에서 동일하게 나타나는 한 점(빨간 지붕의.. 공감수 0 댓글수 0 2024. 8. 6.
  • #1. 스테레오 카메라 원리 분석(1) : 스테레오 비전 아래 블로그를 참조하였습니다. 스테레오 비전(Stereo Vision)Ⅰ. 스테레오 비전(stereo vision)이란?  사람의 시각 시스템을 모방한 기술이며, 최근 자율 주행 자...blog.naver.com 스테레오 비전(Stereo Vision)Ⅰ. 스테레오 비전(stereo vision)스테레오 비전이란?사람의 시각 시스템을 모방한 기술이며, 최근 자율 주행 자동차의 관심이 높아짐에 따라 실제 거리 정보를 얻기 위해 사용되는 레이더, 라이더 센서를 대체할 수 있는 기술로 큰 관심을 받고 있습니다.스테레오 비전의 원리사람은 두 눈으로부터 좌/우 차이가 존재하는 2차원의 영상을 입력받고, 입력받은 영상을 인간의 뇌로부터 융합되는 과정을 통해 3차원의 거리 감을 인지한다.위와 동일한 메커니즘으로, 스.. 공감수 0 댓글수 0 2024. 8. 6.
  • [모두의 딥러닝] #1. 딥러닝 시작을 위한 준비 운동 인공지능/머신러닝/딥러닝의 차이인공지능 (Artificial Intelligence, AI)인공지능은 기계가 인간의 학습능력, 추론능력, 문제해결능력 등을 모방하도록 설계된 컴퓨터 프로그램이나 시스템을 말합니다. 인공지능은 다양한 분야에서 인간을 돕고 지원하는 기능을 수행할 수 있습니다.머신러닝 (Machine Learning, ML)머신러닝은 데이터를 기반으로 컴퓨터가 학습할 수 있도록 만드는 알고리즘과 기술의 집합입니다. 데이터를 분석하고 패턴을 학습하여 예측, 분류, 판단 등을 수행할 수 있습니다. 머신러닝은 크게 지도학습, 비지도학습, 강화학습으로 나눌 수 있습니다.딥러닝 (Deep Learning, DL)딥러닝은 머신러닝의 한 분야로서, 인공 신경망(Artificial Neural Network.. 공감수 2 댓글수 1 2024. 7. 18.
    728x90
    반응형
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.