[セット品]GPD Pocket 本体,Three One®オリジナル収納バッグ,Lenovo純正ロープロファイルトラックポイント セット ロボットの開発に便利な小型PC やりたいこと GPDにUbuntu18.04をインストール。そのあとROS2 Dashingのインストールと動作チェック。 ざっくりまとめ。いま手元にあるPCを全部Ubuntu18.04に移行中。。。 Ubuntuインストールのための準備 BIOSの変更（してない場合） GPD pocketにUbuntu16.04 & ROS install - 空飛ぶロボットのつくりかた を参照 ISOファイルのダウンロード gpdpocket-gnome-20180912-4.18.0-rc8-ubuntu-18.04.1-desktop-amd64.iso をGitHub - stockmind/gpd-pocket-ubuntu

やりたいこと CPUリソースで認識機能（顔検出や姿勢推定など）をそこそこの検出速度(10~30FPSくらい)で使いたい ROS x OpenVINOを動かしてみる 環境 OS: Ubuntu18.04 Middleware: ROS1 melodic CPU: Intel® Core™ i7-8650U CPU @ 1.90GHz × 8 使用するパッケージは⤵ GitHub - intel/ros_openvino_toolkit ROS x OpenVINOのデザインアーキ https://github.com/intel/ros_openvino_toolkit 実装されている認識機能 Face Detection Emotion Recognition Age & Gender Recognition Head Pose Estimation Object Detection Ve

やりたいこと センサノイズをシミュレータで再現したい。 そのために有用そうなSimGANを理解する。 論文について arxiv.org CVPR2017でBest Award 珍しいAppleの論文 評価 ☆☆☆☆☆(5/5) めちゃくちゃコスパ良いアプローチ。素晴らしい。 内容まとめ Abstract 教師あり学習の難点として、たくさんのラベル付きデータが必要になる。 シミュレータでデータを作ることが期待されているが、シミュレータと実世界の乖離が問題で上手く行かないことが多い。 本論文はその溝を埋める手法を提案する。 方法としてはラベル付きのシミュレーションのデータとラベルなしの実データを用いて、Genertive Adversarial Networks(GANs)によりシミュレーションデータを実データに近づける(S+U Learning with SimGAN)。 以下の三点がキーポ

やりたいこと 計算処理が軽いDNNの構築。低スペックのPCでもガンガン認識を回したい。 論文 https://arxiv.org/abs/1704.04861 [1801.04381] MobileNetV2: Inverted Residuals and Linear Bottlenecks MobileNetsの理解 通常のCNNではチャンネル間の特徴・チャンネル内の特徴(画像内の特徴)をフィルターによってまとめて考えるのに対し、MobileNetsではそれらをdepthwiseとpointwiseの畳み込みに分離し、表現しパラメータを削減している。 また、処理速度と精度を調整するためのwidth multiplierとresolution multiplierというパラメータもうまく設計されている。 参考: MobileNets: CNNのサイズ・計算コストの削減手法＿翻訳・要約 -

参考：クォータニオンの回転補間：掲示板:シムダンス「四次元能」｜Beach - ビーチ やりたいこと クオータニオンを理解する 教科書 SBクリエイティブ:ゲームアプリの数学 ↓　素晴らしくわかりやすい。 【Unity道場 博多スペシャル 2017】クォータニオン完全マスター - YouTube 【Unity道場スペシャル 2017博多】クォータニオン完全マスター クォータニオンで回転を表現する定義にθ/2が使用される理由 回転行列の問題 ジンバルロック（特異点がある） 行列計算での処理負荷が重い 回転の補間が難しい クオータニオンの利点 ジンバルロックがない 計算負荷が低い 2つの回転同士のスムーズな補間が表現できる x,y,z軸に限らない任意の回転軸での回転が簡単にできる 複素数について 虚数単位 i ** 2 = -1 複素数 a + b * i 複素平面 参考： 複素平面 - Wi

やりたいこと 3Dセグメンテーションについて学ぶ 教科書 GitHub - timzhang642/3D-Machine-Learning: A resource repository for 3D machine learning RANSAC 【お勉強してみた】RANSACのおはなし - Qiita 自然界のデータにはたくさんノイズがある ノイズがあると、法則性をうまく見つけられないことがある そんなノイズをうまく無視するのがRANSAC 参考： GitHub - falcondai/py-ransac: python implemetation of RANSAC algorithm with a line/plane fitting example. Robust linear model estimation using RANSAC — scikit-learn 0.19.1

やりたいこと デジタル画像撮影について学ぶ 教科書 CG-ARTS | 書籍・教材 カメラの構成要素 デジタルカメラ - 構造 - Weblio辞書 画像生成の幾何学モデル ピンホールカメラモデル レンズを使うと明るくなるがピント合わせが必要 ピンホールカメラはピント合わせが不要 参考： カメラ位置姿勢とビュー行列 ピンホールカメラモデルについて - 粗大メモ置き場 透視投影モデル 参考： 画像の幾何学的モデル - KirIn 落書き帳 レンズモデル 薄肉レンズ 参考： 凸レンズ ■わかりやすい高校物理の部屋■ 厚肉レンズ 参考： わかりやすい物理 幾何光学 厚肉レンズ 歪曲収差 参考： ネットワークカメラ基礎講座 [第3回] ネットワークカメラの光学技術 周辺光量の低下 参考： 周辺光量低下 撮影パラメータ 撮影画角 参考： デジカメエキスパート 虎の巻 デジタルカメラの構造 2/2 -

やりたいこと 三次元点群に最もフィットする主軸を導出したい! 教科書 主成分分析の典型的な例題   点群の主軸を求める - 理数アラカルト - http://www.sist.ac.jp/~kanakubo/research/statistic/shuseibun_bunseki.html 主成分分析を使ってバウンティボックスを作る - Pashango’s Blog <- わかりやすい ２直線の交点を求める公式 - 具体例で学ぶ数学 実装コード #coding:utf-8 import numpy from sklearn.decomposition import PCA N = 20 t = numpy.random.rand(N) x = t+numpy.random.rand(N)*0.3 y = t+numpy.random.rand(N)*0.3 z = t+numpy.ran

やりたいこと raspberry pi zero w でIPカメラを作る IPカメラを作ってみる picamera — Picamera 1.13 Documentation Raspberry Pi Zero WとカメラモジュールをPythonで動かして撮影してみた - paiza開発日誌 5GHz WiFi対応させたPi Zero rev1.3とPi Cameraでミニマムなネットワークカメラを作ってみた（mjpg-streamer版） | きっと何かに役立つでしょ！？ PythonでRaspberry Pi カメラを制御する Bluetoothで接続 Raspberry Pi Zero WでBluetooth経由でシリアル通信（ペアリングまで） - 極力ローコスト ロボット製作 ブログ カメラの接続 データの送受信 いろんな方法がある picameraのチュートリアルに"Captur

やりたいこと ロボットの3次元座標の考え方を理解して、制御に役立てる ROSのtfの理解 座標変換教科書 座標変換 <- すごくわかりやすい！ 第10回目 http://www.wakayama-u.ac.jp/~tokoi/lecture/gg/ggbook03.pdf tf教科書 tf (Python) — tf 0.1.0 documentation 世界で一番簡単なtfの使い方 - MyEnigma tfを簡単に体験する roslaunch turtle_tf turtle_tf_demo.launch rosnode list node チェック rosrun tf view_frames tf チェック rosrun tf tf_echo world turtle1 rosrun tf tf_echo turtle1 turtle2 座標変換チェック tfの座標情報処理 ブロー

やりたいこと Depthセンサで取得したデータをOpen3Dで自由自在に操りたい 教科書 Open3D: A Modern Library for 3D Data Processing — Open3D 0.1 dev documentation Colored point cloud registration Point to Point ICPでは幾何的な平面は揃うが、平面の三角形の模様などはズレてしまう. しかし、Colored point cloud registrationでは色情報から、模様などからフィッティングできる. Colored Point Cloud Registration Revisited, ICCV 2017 の実装👇 Downsample with a voxel size. Estimate normal. Applying colored point

やりたいこと Depthセンサで取得したデータをOpen3Dで自由自在に操りたい 教科書 Open3D: A Modern Library for 3D Data Processing — Open3D 0.1 dev documentation Rgbd Odometry [Park2017] : Park, Q.-Y. Zhou, and V. Koltun, Colored Point Cloud Registration Revisited, ICCV, 2017. : https://pdfs.semanticscholar.org/e668/cdf876884106948c7151601785023f04ed40.pdf の実装が option = OdometryOption() odo_init = np.identity(4) print(option) [success

やりたいこと Depthセンサで取得したデータをOpen3Dで自由自在に操りたい Open3D – A Modern Library for 3D Data Processing Open3Dまじでイケてる! Intelさんありがとうございまぁぁす!! 教科書 Open3D: A Modern Library for 3D Data Processing — Open3D 0.9.0 documentation インストール 以下、cmakeでpythonのバージョンが揃う指定している scripts/install-deps-ubuntu.sh mkdir build cd build cmake -DPYTHON_EXECUTABLE:FILEPATH=/usr/bin/python ../src make -j fatal error: Python.h: No such file

やりたいこと rosでjoy stickを操作してみる buffalo.jp 教科書 ROSプログラミング | 森北出版株式会社 ライセンス <maintainer email="fei@kanto-gakuin.ac.jp">Fei Qian</maintainer> <license>BSD</license> <author>Fei Qian</author> 設定手順 デバイス確認 ls /dev/input/js* 命令の確認 jstest /dev/input/js0 パッケージのインストール sudo apt-get install ros-kinetic-joystick-drivers 参考：joystick_drivers/joy at indigo-devel · ros-drivers/joystick_drivers · GitHub 入力デバイスの変更 rosp

やりたいこと ROSの復習がてら、基礎の部分で理解が浅い部分をまとめる ピアツーピア設計方針 参考：ROS/Technical Overview - ROS Wiki 「ピアツーピア」ではコンピュータさんの役割が決まっていません。 すべてのコンピュータさんが必要に応じてサーバにもなればクライアントにもなるのです。 参考：http://wa3.i-3-i.info/word1306.html ピアアドレスの確認 $ rosnode list -a -> http://localhost:58031/ /rosout これによってlocalhost:58031というピアアドレスが使用されていることがわかる XML-RPC（eXtensible Markup Language Remote Procedure Cal） まぁ「XML-RPC」って単語が出てきたら「XML形式のデータをHTTPでや

やりたいこと 低スペックパソコンで Tiny YOLOを使ってざっくりとした人の位置と大きさを出力する 教科書　👇 わかりやすい記事ありがとうございます。 ChainerでYOLO - Qiita 今回扱うTinyYOLOの説明 上記でもあるように、 Pascal VOCという20クラス分類問題のデータセットに対して係数は最適化されています。 全画面を7x7のグリッドに区切り、グリッドごとのクラス確率と、そのグリッド内に中心をもつバウンディングボックスを1グリッドにつき最大2つずつ、そして、その2つのバウンディングボックス信頼度、というすべての情報を直接推論します。 バウンディングボックスの座標は中心位置のx,yをグリッドサイズで0から1.0に正規化した数値、サイズは幅と高さを画像サイズで0から1.0に正規化した数値の平方根になっています。平方根にする理由は、サイズが大きくなったときの誤

All CVPR論文まとめ Classification,Detection,Segmentation UberNet Classification 全体 AlexNet 論文 論文まとめ VGG16 論文 論文まとめ Fine-tuning ResNet 論文 論文まとめ SqueezeNet 論文 論文まとめ DenseNet 論文 Git Local Binary Convolutional Neural Networks Detection 全体 R-CNN 論文 論文まとめ Faster R-CNN 論文 論文まとめ yolo 論文 論文まとめ SSD 論文 論文まとめ Mask R-CNN 論文 論文まとめ Segmentation 全体 FCN 論文 論文まとめ Net Surgery Shift and Stitch trick Delated Convolution 論文

全体の考え方 機械学習における学習方法と性能評価の基礎知識 - Build Insider 交差検定（クロスバリデーション）など機械学習の評価方法まとめ : 新規事業のつくり方 検証 ホールドアウト法 学習データとテストデータを単純に分割 参考： 機械学習の性能を正しく評価するための検証手法 - Qiita k分割交差検証 ランダムにk個に分割し、k-1個をテストに使用し、これをk回繰り返す 参考： 機械学習における交差検証法の実装(備忘録) - Qiita 「そのモデルの精度、高過ぎませんか？」過学習・汎化性能・交差検証のはなし - 六本木で働くデータサイエンティストのブログ http://musashi.osdn.jp/tutorial/mining/xtclassify/accuracy.html 入れ子式の交差検証 さまざまな機械学習のアルゴリズムからどれかを選択したい時に使用 ク

機械学習 機械学習を知識ゼロから学ぶpdf - NAVER まとめ 機械学習はじめの一歩に役立つ記事のまとめ - Qiita Deep Learning Deep Insider: 機械学習エンジニアを目指す人～初中級者のための技術情報サイト Deep Learningによる一般物体検出アルゴリズムの紹介 - ABEJA Arts Blog http://wazalabo.com/wp-content/uploads/2014/09/20140905_section_2_isp.pdf CNN 定番のConvolutional Neural Networkをゼロから理解する - DeepAge pythonによる深層学習[CNNフルスクラッチ編] - ぱろっくの日記 Convolutional Neural Networkを実装する - Qiita numpyだけでCNN実装 - Qiit

raspi-kame作成 これまでやってきたことを組み合わせて、raspberry pi kameを作りました↓ 【ハード】 raspberry pi 3 dcモーター×2 サーボモータ×1（16個まで拡張可） 超音波センサ カメラ 【ソフト】 ros : kinetic kame ちょっとした段差なら登ります〜 なんか変な人が乗ってる(；・∀・) これからこれを使って自律移動や画像認識をしていきたい 参考： robonchu.hatenablog.com robonchu.hatenablog.com robonchu.hatenablog.com robonchu.hatenablog.com robonchu.hatenablog.com robonchu.hatenablog.com