generated from academicpages/academicpages.github.io
-
Notifications
You must be signed in to change notification settings - Fork 0
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
- Loading branch information
Showing
2 changed files
with
36 additions
and
36 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -1,30 +1,28 @@ | ||
| --- | ||
| title: "Stereo Depth Estimation" | ||
| excerpt: "Stereo Depth Estimation Research<br/><img src='/images/triangulizaiton.png' width='500' height='300'> | ||
| title: "Machine Learning project" | ||
| excerpt: "The presence of objects in box using sound waves<br/><img src='/images/MFM_project.png' width='500' height='300'> | ||
| " | ||
| collection: portfolio | ||
| --- | ||
|
|
||
| <br> | ||
| <span style = "font-size:18px;"> Robust Perception and Mobile Robotics Lab (RPM Robotics Lab) 연구실에서 Off-road 환경에서의 자율주행에 대해서 연구한 내용</span> | ||
| <span style = "font-size:18px;"> 학부 머신러닝 과목을 수강하면서 진행한 프로젝트에 대한 내용</span> | ||
| <br><br> | ||
|
|
||
| * <strong style = "color: blue; font-size:22px;">Setting Stereo Camera System</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Stereo Camera System의 하드웨어를 실제로 구성하는 과정을 수행하고 제작 과정, 수행과정 개선점과 간단한 Stereo Vision에 대한 이론적 배경에 대해 중간 발표를 하였습니다.</span><br><br> | ||
| * <strong style = "color: blue; font-size:22px;">Introduction</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> 상자에 충격을 가했을 때 물체가 있는지와 없는지, 또한 어디에 있는지에 따라서 다른 소리가 납니다. 이러한 사실을 바탕으로 음파를 이용하여 빈 공간이나 두꺼운 벽 내에 물체가 존재하는지 인공지능을 이용하여 분류하는 프로젝트를 진행하였습니다.</span><br><br> | ||
|
|
||
| * [Material](/files/StereoDepthEstimation/2023-S UROP.pdf) | ||
| * <strong> Contents</strong> | ||
| * Manufacturing Camera System | ||
| * Camera System Assembly | ||
| * Basic of 3D computer vision | ||
|
|
||
| <br> | ||
| * <strong style = "color: blue; font-size:22px;">Stereo Depth Estimation</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Semi Global Matching은 Stereo Depth Estimation을 Algorithmatic하게 해결하는 방법입니다. 실제로 Project에 SGM을 적용하기 위해서 Stereo matching의 기반 이론인 Epipolar Geometry와 Rectification에 대한 내용을 포함하여 다양한 이론적 배경과 SGM을 실제로 이용하여 다양한 parameter를 변경하며 Stereo Matching을 진행해본 결과를 연구실 Seminar에서 발표하였습니다. </span><br><br> | ||
| * <strong style = "color: blue; font-size:22px;">Experimental Procedure</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> 실제 상자와 물체를 준비하여 DataSet을 직접 만들었습니다. 상자에 물체가 없는 경우, 충격을 주는 지점에서 물체가 먼 경우와 가까운 경우의 3가지 Class에서 Train data를 얻고, 이에 Gaussian noise를 추가하여 Ougmentation을 통해 데이터를 확장하였습니다. 이 Train data 통해 인공지능 모델을 학습하였습니다.</span><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Feature의 경우에는 먼저 음파를 주파수 분석하였고, 두 가지 방법을 사용하였습니다. 0 ~ 1000Hz까지의 주파수의 Magnitude 분포를 이산적인 Feature로서 이용하는 방법과 Top 20개의 Feak 정보를 이용하는 방법을 사용하였습니다.</span><br> | ||
| <span style = "font-size:16px; color: gray;"> 먼저 T-sne와 PCA 방법을 이용하여 추출한 데이터를 축소하고, 분류 가능성을 판단해보았습니다. 머신러닝 모델의 경우에는 kNN, SVM 다중 분류, RandomForest, Naive Bayes를 사용하였고, 이를 학습시키고, Test set을 따로 만들어 두어 이에 대한 정확성을 계산하였습니다. 또한 Greed search를 이용하여 최적의 Parameter를 찾는 과정 또한 진행하였습니다. 결과적으로 얻은 정확성을 바탕으로 모델을 비교, 분석해보았습니다.</span><br><br> | ||
|
|
||
| * [Material](/files/StereoDepthEstimation/Stereo Depth Estimation.pdf) | ||
| * <strong style = "color: blue; font-size:22px;"> Presentation</strong><br> | ||
| * [Material](/files/MFM/ML4ME_Final.pdf) | ||
| * [Youtube](https://www.youtube.com/watch?v=YgvcL3sQxws) | ||
| * [Dataset](/files/MFM/our_dataset.zip) | ||
| * <strong> Contents</strong> | ||
| * Epipolar Geometry, Triangulization | ||
| * Rectification | ||
| * Feature Matching in Depth Estimation | ||
| * Explanation of Semi Global Matching | ||
| * Generation of our Dataset | ||
| * Feature Extraction methods and data visualization | ||
| * Classification methods and comparison | ||
| * Discussion |
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -1,28 +1,30 @@ | ||
| --- | ||
| title: "Machine Learning project" | ||
| excerpt: "The presence of objects in box using sound waves<br/><img src='/images/MFM_project.png' width='500' height='300'> | ||
| title: "Stereo Depth Estimation" | ||
| excerpt: "Stereo Depth Estimation Research<br/><img src='/images/triangulizaiton.png' width='500' height='300'> | ||
| " | ||
| collection: portfolio | ||
| --- | ||
|
|
||
| <br> | ||
| <span style = "font-size:18px;"> 학부 머신러닝 과목을 수강하면서 진행한 프로젝트에 대한 내용</span> | ||
| <span style = "font-size:18px;"> Robust Perception and Mobile Robotics Lab (RPM Robotics Lab) 연구실에서 Off-road 환경에서의 자율주행에 대해서 연구한 내용</span> | ||
| <br><br> | ||
|
|
||
| * <strong style = "color: blue; font-size:22px;">Introduction</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> 상자에 충격을 가했을 때 물체가 있는지와 없는지, 또한 어디에 있는지에 따라서 다른 소리가 납니다. 이러한 사실을 바탕으로 음파를 이용하여 빈 공간이나 두꺼운 벽 내에 물체가 존재하는지 인공지능을 이용하여 분류하는 프로젝트를 진행하였습니다.</span><br><br> | ||
| * <strong style = "color: blue; font-size:22px;">Setting Stereo Camera System</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Stereo Camera System의 하드웨어를 실제로 구성하는 과정을 수행하고 제작 과정, 수행과정 개선점과 간단한 Stereo Vision에 대한 이론적 배경에 대해 중간 발표를 하였습니다.</span><br><br> | ||
|
|
||
| * <strong style = "color: blue; font-size:22px;">Experimental Procedure</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> 실제 상자와 물체를 준비하여 DataSet을 직접 만들었습니다. 상자에 물체가 없는 경우, 충격을 주는 지점에서 물체가 먼 경우와 가까운 경우의 3가지 Class에서 Train data를 얻고, 이에 Gaussian noise를 추가하여 Ougmentation을 통해 데이터를 확장하였습니다. 이 Train data 통해 인공지능 모델을 학습하였습니다.</span><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Feature의 경우에는 먼저 음파를 주파수 분석하였고, 두 가지 방법을 사용하였습니다. 0 ~ 1000Hz까지의 주파수의 Magnitude 분포를 이산적인 Feature로서 이용하는 방법과 Top 20개의 Feak 정보를 이용하는 방법을 사용하였습니다.</span><br> | ||
| <span style = "font-size:16px; color: gray;"> 먼저 T-sne와 PCA 방법을 이용하여 추출한 데이터를 축소하고, 분류 가능성을 판단해보았습니다. 머신러닝 모델의 경우에는 kNN, SVM 다중 분류, RandomForest, Naive Bayes를 사용하였고, 이를 학습시키고, Test set을 따로 만들어 두어 이에 대한 정확성을 계산하였습니다. 또한 Greed search를 이용하여 최적의 Parameter를 찾는 과정 또한 진행하였습니다. 결과적으로 얻은 정확성을 바탕으로 모델을 비교, 분석해보았습니다.</span><br><br> | ||
| * [Material](/files/StereoDepthEstimation/2023-S UROP.pdf) | ||
| * <strong> Contents</strong> | ||
| * Manufacturing Camera System | ||
| * Camera System Assembly | ||
| * Basic of 3D computer vision | ||
|
|
||
| <br> | ||
| * <strong style = "color: blue; font-size:22px;">Stereo Depth Estimation</strong><br> | ||
| <span style = "font-size:16px; color: gray;"><br> Semi Global Matching은 Stereo Depth Estimation을 Algorithmatic하게 해결하는 방법입니다. 실제로 Project에 SGM을 적용하기 위해서 Stereo matching의 기반 이론인 Epipolar Geometry와 Rectification에 대한 내용을 포함하여 다양한 이론적 배경과 SGM을 실제로 이용하여 다양한 parameter를 변경하며 Stereo Matching을 진행해본 결과를 연구실 Seminar에서 발표하였습니다. </span><br><br> | ||
|
|
||
| * <strong style = "color: blue; font-size:22px;"> Presentation</strong><br> | ||
| * [Material](/files/MFM/ML4ME_Final.pdf) | ||
| * [Youtube](https://www.youtube.com/watch?v=YgvcL3sQxws) | ||
| * [Dataset](/files/MFM/our_dataset.zip) | ||
| * [Material](/files/StereoDepthEstimation/Stereo Depth Estimation.pdf) | ||
| * <strong> Contents</strong> | ||
| * Generation of our Dataset | ||
| * Feature Extraction methods and data visualization | ||
| * Classification methods and comparison | ||
| * Discussion | ||
| * Epipolar Geometry, Triangulization | ||
| * Rectification | ||
| * Feature Matching in Depth Estimation | ||
| * Explanation of Semi Global Matching |