https://cafe.daum.net/SmartRobot/RoVa/2426
1. carla 기능 조사 2. carla 공부를 어떻게 할지 조사 3. 방학때 ros2 심화 공부 필수 4. ros2 패키지에서 carla에 연결하여 영상, 포인트 클라우드 토픽 구독 및 자동차 제어 토픽 발행 방법을 조사해볼것 5. 졸업작품의 대략적인 목표, 세부기능 포함 6. carla에서 초당 영상, 포인트클라우드 최대 처리가능 프레임수 조사해볼것, 필요한 GPU사양 |
1.carla 기능 조사
LiDAR Sensor
https://carla.readthedocs.io/en/latest/ref_sensors/
ROS Bridge package
publish하기 위함
https://carla.readthedocs.io/projects/ros-bridge/en/latest/run_ros/
https://github.com/carla-simulator/ros-bridge
https://kimbrain.tistory.com/518
CARLA Planning and control
https://carla.readthedocs.io/en/0.9.12/adv_agents/
global_route_planner로 지도 기반으로 A*알고리즘 등을 써서 목적지까지 경로 생성을 할 수 있음.
제어
AckermannDrive
carla_ackermann_control
https://carla.readthedocs.io/projects/ros-bridge/en/latest/carla_ackermann_control/
https://github.com/carla-simulator/ros-bridge/tree/master/carla_ackermann_control
2. carla 공부를 어떻게 할지 조사
PythonAPI/examples/manual_control.py를 사용하여 먼저 기본 예제를 실행
carla-ros-bridge패키지 안에서 예제 파일을 실행하여 RViz를 사용하여 토픽이 들어오는지 눈으로 확인
Launch 파일 안에서 센서 위치(x,y,z)와 종류를 어떻게 설정해야 하는지 알아보기
3. 방학때 ros2 심화 공부 필수
https://cafe.daum.net/SmartRobot/W2or/114
카페에 나와있는 자료들로 공부할 예정
4. ros2 패키지에서 carla에 연결하여 영상, 포인트 클라우드 토픽 구독 및 자동차 제어 토픽 발행 방법을 조사해볼것
1. 연결 및 센서
carla_ros_bridge
https://github.com/carla-simulator/ros-bridge
carla_spawn_object
차량의 센서 생성
https://carla.readthedocs.io/projects/ros-bridge/en/latest/carla_spawn_objects/
2. 영상 및 포인트 클라우드 확인
rviz2를 사용한 라이다 포인트 클라우드 시각화
https://bigbigpark.github.io/ros/ros-pointcloud2-rosbag/
ROS2에서 제공하는 시각화 도구 사용
https://carla.org/Doxygen/html/d9/d2f/structcarla_1_1ros2_1_1CarlaPointCloudPublisherImpl.html
3. 자동차 제어 토픽 발행
수동으로 제어하는건 구현이 되어있음
https://carla.readthedocs.io/projects/ros-bridge/en/latest/carla_ackermann_control/
https://kimbrain.tistory.com/522
5. 졸업작품의 대략적인 목표, 세부기능 포함
대략적인 목표
보드와 시뮬레이터를 연동한 LiDAR 3D 객체인식 및 자율주행 회피 제어 시스템
세부기능
1. CARLA 시뮬레이터를 구동해서 테스트환경 조성
- 자율주행 테스트를 위한 도심/고속도로 맵
- 실제 차량 센서와 유사한 파라미터(64채널 등)를 가진 가상 LiDAR 센서 부착.
- 보행자 및 차량 등 동적 장애물 생성.
2. CARLA와 Jetson간 실시간 데이터 전송을 위한 네트워크 구축
- ROS2 기반의 토픽(Topic) 발행 및 구독 시스템 구현.
- carla-ros-bridge 를 활용한 시뮬레이터 데이터의 ROS 메시지 변환.
3. 3D 객체 인식 알고리즘 구축 / jetson 보드에서 딥러닝 모델을 구동하여 주변 장애물 위치와 종류 파악
- LiDAR Point Cloud 데이터를 입력받아 전처리(Voxelization 등) 수행.
- 3D Detection 모델(PointPillars, CenterPoint 등) 추론.
- 장애물의 종류(차량, 사람) 및 3D 좌표(x, y, z) 실시간 출력.
4. 주행 판단 및 차량 제어 / 인식된 장애물 정보를 바탕으로 주행 경로를 결정하고 차량 제어
- 장애물과의 거리 기반 위험도 판단 구현.
- Ackermann Kinematics가 적용된 조향 및 속도 명령 생성.
- 긴급 제동 또는 회피 알고리즘 적용.
6. carla에서 초당 영상, 포인트클라우드 최대 처리가능 프레임수 조사해볼것, 필요한 GPU사양
carla에서 초당 영상 최대 처리가능 프레임수
| 해상도 (Resolution) | 카메라 1대 (RGB) | 카메라 2대 이상 | 비고 (병목 원인) | |
| Low (320x240) | 60 FPS+ | 40~50 FPS | ROS 통신 부하 거의 없음 | |
| SD (640x480) | 30~45 FPS | 20~30 FPS | 가장 권장하는 해상도 | |
| HD (1280x720) | 20~30 FPS | 10~15 FPS | 데이터 전송 대역폭 한계 시작 | |
| FHD (1920x1080) | 10~15 FPS | 5~8 FPS | 이미지 용량이 너무 커서 딜레이 발생 | |
carla에서 포인트클라우드 최대 처리가능 프레임수
| 센서 모델 (예시) | 채널 수 | 최대 FPS(ROS2 연동 시) | 주요 병목 원인 | |
| VLP-16 | 16채널 | 30~60 FPS | 병목 거의 없음 | |
| HDL-32E | 32채널 | 20~30 FPS | Ray-casting 연산(CPU 부하 시작) | |
| HDL-64E(KITTI/NuScenes급) | 64채널 | 10~20 FPS | Ray-casting + 대역폭(포인트 수 급증) | |
| Ultra Puck | 128채널 | 5~10 FPS | 물리 연산 과부하(데이터 전송 지연) | |
첫댓글 Carla외에 자율주행 시뮬레이터 조사하고 성능 비교
ROS2와 연동 여부 조사