「技術書の読書術」を読みました 「技術書の読書術」読んだら面白かったので、後から見返せるようにまとめました。 この本はどんな本？ 「探し方」「読み方」「情報発信＆共有」の3つの章でコツやテクニックが書いてある 二人の技術書の著者による共著であり、考え方や思想が異なる部分もそのまま載せている 2022年10月が初版で現時点（2022年末）では比較的新しい本 各章のページ配分は以下のような感じで、表題通り「読み方」が多く書かれている ５：読み方 ３：探し方 ２：情報発信＆共有 この感想を書いた人は？ 0歳2歳を絶賛子育て中のWEBエンジニア５年目くらいの人 育休中に生活や仕事の効率を上げたいと思ってこの本を手に取った 本は読むけど、何度も見返したりアウトプットすることはあまりなかった 個人的おすすめ度：★★★★☆（4/5） GOOD：技術書大好きな著者の具体的なノウハウに触れられて刺激を受けた

ハードウェアの設計 こちらの7項目目にあるように、良いロボットは良いハードの設計があってこそです。 メカ ここではメカの詳細な内容を解説することは差し控えますが、以下のような項目がポイントかと思います。 ギヤやタイヤの精度は十分か？ 精度が悪い場合、非線形が強くなり制御しにくくなる（静止摩擦係数の増大。回転中の摩擦変化。） ギヤのバックラッシは適当か？直径と歯数の比(モジュール)は可能な限り小さくなっているか？ 非線形性(ヒステリシス)を持つので制御性が悪化する エンコーダの精度(分解能)は十分か モータ側に取り付けることで精度はギヤ比倍される 回路 だい～ぶ長くなったので別記事にしました。 フィードバック(F/B)制御 今回対象にする速度のPID制御システムを以下に示します。水色の箇所はマイコン内のプログラムで実装されます。緑の部分はマイコンのハード機能と周辺回路。オレンジは電気的・メカ

ESP32にはパルスカウンタ機能が付いてる ハードウェアでのパルスカウンタが実装されているのでロータリーエンコーダとか楽ちんに使える しかも8系統も同時入力可能(!?) つくづくなぜこんなマイコンが700円前後なのか理解が出来ない… arduino coreでも使えました 公式サンプルにはESP-IDF向けのものしかパルスカウンタのサンプルが見つかりませんでした。 https://github.com/espressif/esp-idf/tree/master/examples/peripherals/pcnt ググってもほぼヒットせず、唯一使用例を見つけられたのがこちら。 https://qiita.com/kentegrate/items/7f2431121b782fae63fa ESP32はArduino IDEでもプログラミングできますが、そのためのライブラリは未実装なところも多く

はじめに パラメータ推定（１）では，線形最小二乗法によるパラメータ推定について述べてみました．今回は拡張カルマンフィルター（EKF：Extended Kalman Filter）と呼ばれる手法によるパラメータ推定について書きます． 線形最小二乗法は非常に使いやすい推定法ですが，その欠点として 微分値の計算が厄介（別途フィルタリングの設計などが必要） 非線形システムに対応してない などがあります．これをEKFで解決します． ※カルマンフィルターの概要を書いていたらだいぶ長くなってしまったのですが，流れをまとめると モデル化と状態方程式：カルマンフィルターは状態方程式に基づいて設計されので，まずはここから． 離散化とノイズ：これらが加わったときにシステムがどうのように記述されるか，について カルマンフィルタのアルゴリズム：一応書いた方がいいかなと思ったのですが，ほかの方が書いている記事の方が分

はじめに カルマンフィルタといったら一般的に線形カルマンフィルタのことを指すが、この線形カルマンフィルタは線形システムのモデルにしか適用できない。 そこで、この線形カルマンフィルタを非線形モデルに適用できるよう拡張されたのが拡張カルマンフィルタ(Extended Kalman Filter, EKF)となります。 拡張カルマンフィルタ(Extended Kalman Filter) 線形カルマンフィルタの場合、状態空間モデルは以下の式で表されていました。 状態空間モデル（線形） \begin{align} \boldsymbol{x}(k+1) &= \boldsymbol{A} \boldsymbol{x}(k) + \boldsymbol{B} \boldsymbol{u}(k) + \boldsymbol{v}(k) \tag{1}\\ \boldsymbol{y}(k) &= \b

モチベーション かばんちゃん萌え は？可愛すぎやろ(キレ気味)。何が可愛いかって全部だぞお前。 Twitterで二次絵を見て悶絶する日々を送っております。 ここから本題 ごちうさーちマジですごくて、高速だし、正確だしでこのソフトをリスペクトで、けものフレンズ版を自作してみた。アルゴリズムとかは参考にしたけど、できるだけごちうさーちのソースプログラムは勉強を兼ねて見ないで作成した。本家はC#だけど、今回はPython3で作る。使用したライブラリ等のインストールについてはここでは解説しない。OpenCVとimagehash、mysql connectorを使う。 データベースの作成 OpenCVで、動画から1フレームずつ取り出して、画像を64bitまでdHashを使って圧縮する。それをDBに登録する。ここではPHPMyAdmin。1レコードは「dHash値、フレーム数、話数」です。 (2018

こちらのReddit投稿 (https://www.reddit.com/r/sysadmin/comments/eaphr8/a_dropbox_account_gave_me_stomach_ulcers/) の和訳記事です。本番環境でやらかしかった人シリーズが盛り上がっていたので波に乗って（？）Twitterにヤバすぎる恐ろしい話が流れてきたのをすかさず和訳してみました。やらかしちゃった人というよりはやらかされちゃった人目線ですがいずれにせよそこら辺の怪談話よりよっぽど怖いです。 Dropboxのアカウントのせいで胃潰瘍になった。 皆は誰もが触れたがらない、会社を靴紐やガムやクリップでつなぎとめている「例のアレ」を見つけたことってある？そういうのって往々にして大型連休前の金曜午後4:45に落ちるし、般若のような様相を呈した上司が「このままだと第二のスターリングラード攻防戦が勃発するぞ

※ https://qiita.com/best_not_best/items/669aaa9e1b8de647d29d にこの記事の修正版を投稿しました！ 皆さんこんにちは。@best_not_bestです。 現在のお仕事は、求人サイトの案件レコメンド機能の実装や、Google AnalyticsやAdobe Analyticsを使って、そのサイトの分析をしています。（あとは動物画像を社内SlackにひたすらPostしています。） 前回のAdvent Calendarでは、Deep Learningを使った画像類似度判定を行いました。精度は良かったのですが、やはり学習データを収集することがネックとなります・・・。今回は、単純に2枚の画像を比較して画像の類似度を求めてみたいと思います。 やること 以下のおいぬ様の画像の類似度を比較します。画像はGoogle先生から拾ってきています。 精度を

行列/ベクトル演算ライブラリEigenのクラスの内，Eigen::Matrix4fやEigen::Affine3fなどの特定のクラスを使用するとき，メモリの配置から生じる問題(公式ドキュメント)に関して，ほぼ公式サイトの要約です． この問題はEigenのクラスでも特定のクラスにのみ生じる問題なので，該当しないクラスでは気にする必要はないですが，Eigen::Matrix4fやEigen::Affine3fは座標変換などでEigenを使う場合にはよく利用するクラスかと思うで，注意が必要です． 具体的に，この問題が生じるのは，以下の場合です． 1. メンバ変数に用いる場合 2. STLコンテナに用いる場合 3. 関数に値渡しする場合 メンバ変数に用いる場合(公式ドキュメント) メンバ関数で用いる場合には，publicでマクロを定義する． class Foo { ... Eigen::Vecto

はじめに 先日、このようなツイートが流れてきました。 上司に「フィルタなんて過去N回分の入力値の平均でいいんじゃないの？」と言われたことを思い出したので、一次のローパスフィルタ(LPF)を作る方法を適当にまとめました。 ４枚目はノイズを含んだサイン波をフィルタに通した結果です。 pic.twitter.com/9VZs3JKT1z — 水色の男@名古屋のプログラマ (@mizuiro_0718) 2019年9月28日 無類の制御工学愛好家である私は、即座にRTとファボを押しました。 その後もRT、ファボは伸びていったのを見て、「以外と皆知らないんだなぁ…」と思ったりしました。と同時に、内容に少しだけ（ほんの少しだけ）難しいところがあるなと思いました。 なのでここでは、最も簡単な作成方法について紹介させて頂きます。 「難しいところ」はどこか、どう簡単にするか 「離散化の手法として、双一次変換

はじめに 初アドベントカレンダーに参加させていただきます。 Mendyです。17日目の制御工学です。 この記事は宮里義彦氏著の適応制御（コロナ社）を参考に書いています。 おしながき 古典制御～現代制御～これからの制御 適応制御とロバスト制御 適応制御の基礎（モデル規範型制御） 最後に プログラム 古典制御～現代制御～これからの制御 PID制御（古典制御）から始まり，状態空間モデルを用いた現代制御へと制御手法は進化をしてきました。さらに強化学習といった手法も提案をされており，さらなる進化を遂げようとしているように感じています。 そんなことにまつわる2つの経験談があります。 まず、1つ目。学部生のころ、最適制御におけるリカッチ方程式の綺麗さに感動して、なんてすごいんだってなっていました。そこまではよかったのですが、社会人の方にお会いして衝撃的な事実を聞きました。（異なる業界の場合はこのエピソー

2018年のコースはL/R共にゴール直後に急カーブがあって苦慮したチームが多かったと思います。 競技を見た範囲では以下のパターンが見られました。 最速で通過して減速しつつラインを外れてからコース復帰 ゴール手前で減速 最速で通過して倒立とラインとレースを維持 「1.ラインを外れてからコース復帰」はコースに復帰できないリスクが高く、実際に戻れないチームも見られました。 「2.ゴール手前で減速」はタイムを競っているのにとても残念です。 東海地区大会ではLコースのゴール計測を担当していましたが、ゴールゲート寸前で不意に減速するので、 （来たぞ、来たぞ、来たぞ、、おお！おおぉぉぅぅうぉぉい！）となってしまいましたｗ 倒立走行を維持した急減速の方法 3.の倒立とライントレースを維持して急減速する方法について解説します。 倒立振子APIは現在位置の維持をフィードバック制御で行っています。 前進・後退処

お久しぶりです… 2019年初投稿です〜 はじめに 今回から2回に渡って、EV3rtのBluetooth事情についてお伝えしていきたいと思います。 まずは環境構築をしなくてはなりません。EV3rtの一番最初の環境構築の時とは異なり、WindowsとMacで全く異なります。それぞれちゃんと書き記しますが、間違えないようにしてください。 Windowsでの環境構築 ペアリング まずはEV3との接続ですが、Windowsの「設定」から「Mindstoms EV3」を選んで、ペアリングします。 この時パスコードを要求されますが、SDカード内のファイルをいじっていない限り、「0000」です。 (ev3rt/sdcard/ev3rt/etc/rc.conf.iniのPincodeを編集すると、パスコードが変えれますが、不具合等が起きやすい印象なので、触らないほうが無難でしょう。) このように表示されれ

どうも。フロントエンドエンジニアの @Quramy です。 さて、前回、1日10万枚の画像を検証するためにやったことで書いているとおり、reg-suitという画像に特化した回帰テストツールをメンテしています。 画像回帰テストという文脈において、差分の可視化方法はとても重要なファクターです。なぜなら、画像(=スナップショット)に差分が発生したからといって、それすなわち棄却、というわけではなく、その差分の内容を判断して、意図せぬ変更であれば棄却、意図した変更であればexpectedを更新する必要があります。すなわち、ワークフローに目視による差分のレビューが発生するのです。 そこで、少しだけ異なる2枚の画像について差分を効果的に可視化する、というテーマに向き合ってみました。 主にC++とOpenCVでの実装ですが、これらの知識が無くとも読めるよう、コードやAPIへの言及を少なくして、中間画像で説

類似画像検索手法について簡単にまとめました。 はじめに 画像検索には主に2種類の手法がある。 TBIR (Text Based Image Retrieval) 画像にテキストデータが紐付けられていて、テキストを元に検索する CBIR (Content Based Image Retrieval) 画像の特徴量を基盤として検索する ライブラリ Feature Extraction Library - FELib http://appsrv.cse.cuhk.edu.hk/~jkzhu/felib.html 下記の５つの特徴を持つ画像から特徴量を抽出できるライブラリである。 Color histogram, color moments. カラーヒストグラム・色統計) Edge histogram. 輪郭のヒストグラム Gabor wavelets transform. Wavelet tra

数字は書いた順です。 kinetic->melodic->noetic移行中です。 記事中のコードは参考までに、github上のコードも参照してください。 (食い違いがあったらコメントで教えてください) イントロダクション 01 概要 ROSのメリット、デメリット、ユースケースについて説明します。 02 インストール UbuntuのインストールからROSのインストールまで説明します。 11 gitリポジトリ この講座の中のサンプルプログラムが入っているgitリポジトリです。 入門 基礎編 03 Pub & Sub 通信 C++でROSノードを作成し、ビルドし、実行します。 04 roslaunch roslaunchを使用して簡単にROSノードを実行します。 19 roslaunch2 roslaunchのrename、remap、arg、paramについて解説します。 05 ros to

最近いろいろなところで「MPCって性能いいらしいよ」と聞くようになりました。 この記事では車両の軌道追従問題を例に、MPCの設計方法と性能について書いてみます。 下に車両の軌道追従によく使われるPIDとpure-pursuitとの比較シミュレーションを貼りました。これを見ると、曲率がきつい部分でもMPCはしっかり追従できていることが分かります。 ・MPC ・pure-pursuit ・PID この記事は「MPC良いらしいし実装したいけど、性能も書き方もよくわからん」って人向けに書いています。 数式ベースで説明していくので、理解を深めたい方は１行ずつ追ってみてください。 ちなみにモデル予測制御は「モデルを使って予測する」のであって、「モデルを予測する」のではありません。モデルを予測しながら制御したい方は「適応制御（adaptive control）」でぐぐってみてください。 制御におけるMP

どうも、江川(egawa)くんです。 Linuxでシェルスクリプトなどを書いていると以下のような条件に遭遇することがあるので、 備忘録的に残していきたいと、おっもいま〜す。 複数のコマンド実行を一行で記述したい あるコマンドが問題なく実行された場合のみ、次のコマンドを実行したい あるコマンドが失敗したら、次のコマンドを実行したい 更新情報 2016/7/8 新規作成 2016/7/8 レイアウトなど見やすく修正 2016/8/18 テキストを一部修正 種類 ここで出てくるのは以下のみです。 - ; （セミコロン） - &（アンパサント） - &&（アンパサントアンパサント） - |（パイプ） - ||（パイプパイプ） 使用例 コマンド1が終了したらコマンド2を実行する（実行結果に関わらず） コマンド1が異常終了しても、コマンド2は実行されます 使い方

class Color { public: static const int white = DxLib::GetColor( 255, 255, 255 ); } 宣言の見た目もさっぱりしてるし、呼び出しも綺麗。 しかしこれでは、whiteが初期化される前にDxLibの初期化が終わっていないようで、上記のように呼び出しても正しい値が帰ってこない。 こうしたら動いた

ものづくりイベントって？ ユニークなものを作り出す「Maker」が集い、展示とデモンストレーションをする。 新しい発見がある それがモノづくりイベントのよさ 具体的にどんなイベントがあるの？ ニコニコ技術部 NT京都 京都の神社で開催されるイベント。BBQがあったり、境内を戦車が走ったりと緩い。 参加費 ：　無料 日程 ：　3月中旬 NT京都へのリンク NT金沢 金沢駅の地下で開催されるイベント。コスプレしているひともいる。 参加費 ：　無料 日程 ：　7月16日-7月18日 NT金沢へのリンク NT名古屋 大須で開催されるイベント。 参加費 ：　無料 日程 ：　10月9日 NT名古屋へのリンク NT系の特徴 わりと自由な展示ができ、 初心者でも気軽に出せる感じがいいと思います。 会場も様々で出展者も来る人もいろいろいるのがよいところ。 MakerFaire MakerFaire Toky