본문 바로가기
[IMU] What is an IMU(Inertial Measurement Unit)- 관성측정 장치? IMU란? 컴퓨터보다 오래된 기계장치. 관성을 이용해 움직임을 측정하는 센서 모듈.--- 3대 센서센서측정하는것축Accelerometer(가속도계)3축 선형 가속도(x,y,z) + 중력3축Gyroscope(자이로스코프)3축 각속도(roll, pitch, yaw 회전 속도)3축Magnetometer(자력계)자기장 방향(나침반 역할)선택사항 - Accelerometer + Gyroscope = IMU (6축) - Accelerometer + Gyroscope + Magnetometer = AHRS (9축, A.. 2026. 3. 22.
[진짜 팀장님 된 기분] Building an AGI Command Center with Sub-Agents. 안녕하세요, Handy입니다. 오늘은 하루 종일 Antigravity 에이전트들을 데리고 기깔나게 워크스페이스를 갈아엎었습니다. 단순히 답변만 듣는 게 아니라, 진짜 생산성을 뽑아낼 수 있는 'AGI 명령센터'를 구축했는데, 편하긴 한데 제가 POC위주로 업무를 해왔어서 그런지 어떤 걸 자동화해주는지 잘 모르겠긴 합니다 무하하 일단 해보겠습니다. 1. 서브 에이전트 삼총사 도입 복잡한 건 질색이니까, 딱 필요한 녀석들만 뽑아서 전용 지침(Agents)을 만들었습니다. - Summary Agent: 매일 작업 끝나면 `summaries/` 폴더에 알아서 기록 남기는 비서.- Prompt Polisher: 내 거친 생각과... 불안한 메모를 전문적인 영어 프롬프트로 바꿔주는 통역사.- Handy_Blog_E.. 2026. 1. 13.
[CV/Segmentation] Meta가 또 해냈다, SAM 3 찍먹 & 실전 활용 코드 정리 최근 Meta에서 SAM 3 (Segment Anything Model 3)를 공개했습니다. 기존 SAM 시리즈도 강력했지만, 이번 버전은 텍스트 프롬프트(Text Prompt)와 비주얼 프롬프트(Visual Prompt)를 동시에, 그것도 아주 매끄럽게 지원한다는 점이 인상적입니다. 오늘은 제가 직접 테스트해 본 주피터 노트북 코드를 기반으로, SAM 3를 설치하고 실제로 추론(Inference)하여 마스크를 뽑아내는 과정을 공유하려 합니다. 특히, 모델이 뱉어낸 결과(results)를 실무에서 어떻게 가공해서 써야 하는지, 그 '핸들링' 부분에 집중했습니다. 1. 준비 작업 (Installation & Setup)먼저 환경 설정입니다. Colab이나 로컬 환경에서 바로 돌려보실 수 있습니다. 최신 모.. 2026. 1. 6.
[DevOps/Python] Conda, 이제는 놓아줄 때가 되었습니다 (feat. uv) AI/ML 엔지니어링을 하다 보면 모델 학습만큼이나 시간을 많이 잡아먹는 것이 바로 환경 설정(Environment Setup)입니다. 특히 무거운 PyTorch, CUDA 의존성을 conda로 관리하다 보면, solving environment... 뺑뺑이가 돌아가는 동안 커피 한 잔 마시고 와야 했던 경험, 다들 있으실 겁니다.오늘은 그 지루한 시간을 끝내줄, Rust로 만든 압도적인 속도의 패키지 매니저 uv를 소개하고, 제가 왜 Conda에서 갈아탔는지 정리해 보려 합니다. 1. 왜 uv 인가?결론부터 말하자면 속도와 표준 준수 때문입니다. 기존의 Conda는 Python 기반의 Solver를 사용하기 때문에 의존성이 복잡해질수록 계산 속도가 기하급수적으로 느려집니다.반면 uv는 Rust로 작성되.. 2026. 1. 6.
[SAM 3D] 3D Segmentation vs 3D Reconstruction: SAM 3D Objects의 작동 방식과 대안 3D Segmentation vs 3D Reconstruction: SAM 3D Objects의 작동 방식과 대안FAQ - 자주 묻는 질문"3D 데이터에서 직접 segmentation을 하는 게 아니라, 이미지에서 segmentation된 결과를 3D로 재구성하는 방법밖에 없나요?"이 질문은 SAM 3D Objects의 근본적인 작동 방식에 대한 것입니다. 이 포스팅에서는 이 질문에 대한 명확한 답변과 함께, 3D segmentation의 다양한 접근 방법들을 살펴보겠습니다.SAM 3D Objects의 작동 방식현재 방식: 2D → 2D Segmentation → 3D ReconstructionSAM 3D Objects는 다음과 같은 파이프라인으로 작동합니다:2D 이미지 + 2D 마스크 (이미 segme.. 2025. 11. 21.
[Gaussian Splatting] 3D 표현의 혁신과 SAM 3D Objects에서의 활용 개요Gaussian Splatting은 2023년에 소개된 혁신적인 3D 표현 기법으로, 고품질의 뷰 합성과 실시간 렌더링을 가능하게 합니다. 이 기술은 NeRF와 같은 기존 방법들보다 훨씬 빠른 렌더링 속도를 제공하면서도 뛰어난 시각적 품질을 유지합니다. 이 포스팅에서는 Gaussian Splatting의 원리와 SAM 3D Objects에서의 실제 활용 방법을 자세히 살펴보겠습니다.관련 리소스:원본 논문: 3D Gaussian Splatting for Real-Time Radiance Field RenderingSAM 3D Objects: GitHub Repositorygsplat 라이브러리: gsplat GitHubGaussian Splatting이란?기본 개념Gaussian Splatting은 3.. 2025. 11. 21.
[SAM 3] Segment Anything with Concepts – 논문 리뷰 & 코드 분석 SAM 3: Segment Anything with Concepts - 논문 리뷰 및 코드 분석개요Meta의 최신 연구인 SAM 3 (Segment Anything Model 3)는 개념 프롬프트(concept prompts)를 통해 이미지와 비디오에서 객체를 감지, 세그멘테이션, 추적하는 통합 모델입니다. 이전 버전인 SAM 2가 포인트, 박스, 마스크로 단일 객체를 세그멘테이션하는 데 집중했다면, SAM 3는 "yellow school bus" 같은 짧은 명사구나 이미지 예시만으로 해당 개념의 모든 인스턴스를 자동으로 찾아 세그멘테이션할 수 있습니다.공식 리소스:논문: SAM 3: Segment Anything with Concepts코드: GitHub Repository데모: Segment Anyt.. 2025. 11. 21.
[PCD] 3D segmentation - 3D LiDAR 기반 차선 검출 프로젝트: Cylinder3D로 직접 만들며 얻은 실전 노하우 3D LiDAR 포인트 클라우드를 활용해 도로 차선을 자동으로 검출하는 것은 HD 맵핑, 자율주행, 도로 유지보수 분야 등에서 매우 중요한 기술입니다. 이번 프로젝트에서는 Cylinder3D 모델을 기반으로 실제 수집한 MMS LiDAR 데이터를 활용하여 3D Lane Segmentation 시스템을 구축했습니다. 이 글에서는 그 과정 전체를 정리하며 실전 팁까지 함께 공유합니다. 1. 데이터 준비 및 전처리1.1 데이터 구성이번 프로젝트에서 사용한 데이터는 다음과 같습니다.원본 LiDAR 데이터: LAS 포맷 - MMS(Mobile Mapping System)에서 수집된 고해상도 포인트 클라우드라벨 데이터: Shapefile 형식의 도로 차선 폴리라인최종 데이터셋 크기: 774개 (Train 608 .. 2025. 11. 18.
Transformer연산에 대한 이해 SummaryTransformer는 입력 시퀀스의 각 요소가 다른 모든 요소와 직접 연관성을 학습하도록 하는 Self-Attention 메커니즘을 핵심으로 하며, 각 요소에 대해 Query/Key/Value 벡터를 생성해 유사도(Attention Score)를 계산한 뒤 이 값으로 정보를 가중합 합니다. 여기에 Multi-Head Attention을 적용해 여러 시점의 관계를 동시에 포착하고, 잔차연결과 LayerNorm, Feed-Forward Network를 반복 배치함으로써 안정적인 학습과 풍부한 표현력을 확보합니다. 또한 순서 정보가 없는 입력 에도 위치 인코딩을 더해 시퀀스 내 상대, 절대 위치를 반영할 수 있으며, 이를 통해 자연어뿐 아니라 3D포인트 클라우드처럼 순서가 없는 데이터에도 Tra.. 2025. 5. 18.
Bitcoin: A Peer-to-Peer Electronic Cash System - 0. Abstract AbstractA purely peer-to-peer version of electronic cash would allow online payments to be sent directly from one party to another without going through a financial institution.Digital signatures provide part of the solution, but the main benefits are lost if a trusted third party is still required to prevent double-spending.We propose a solution to the double-spending problem using a peer-to-pe.. 2025. 4. 22.
[study] 퇴근후 공부 1일차 오늘 한일 그동안 chatGPT에 질문했던 수많은 내역을 folder별로 정리했다 ㅋㅋ... 성공! 2025. 4. 21.
[pcd] LiDAR 데이터의 noise 제거 방법론 라이더 데이터(PCD, LAS 등)에서 노이즈를 효과적으로 제거하는 방법은 데이터 품질 향상과 정확한 3D 모델링을 위해 필수적입니다. 다양한 기법과 도구를 활용해 환경 간섭, 센서 오류 등으로 발생하는 이상치를 제거할 수 있으며, 본 글에서는 실무에서 적용 가능한 핵심 기법들을 체계적으로 정리합니다. 1. 통계적 이상치 제거(Statistical Outlier Removal) 수학적 원리- 평균 거리 계산 : 각 포인트 \(p_i\)에 대해, 주변의 k-최근접 이웃과의 평균거리 \(\bar{d}_i\)를 계산합니다.- 전체 평균 및 표준편차 : 모든 포인트의 평균거리 \(\mu\)와 표준편차 \(\sigma\)를 계산합니다.- 이상치 판단 : 포인트 \(p_i\)가 \(\bar{d}_i>\mu+\alp.. 2025. 4. 15.
[pcd] 도로 포인트클라우드를 평면으로 정렬하는 4가지 방법: 딥러닝 전처리를 위한 접근(4. PCA기반 평면정렬) 포인트클라우드는 자율주행, 디지털 트윈, 스마트시티 등에서 중요한 3D 데이터입니다. 특히 도로 주행 환경을 스캔한 포인트클라우드를 딥러닝에 활용하려면, 도로면을 평면으로 정렬하거나 2D 이미지처럼 표현하는 전처리 과정이 필요합니다. 이 글에서는 도로와 같은 경사 있고 굴곡진 포인트클라우드를 projection 하기 위한 4가지 대표적인 방법 중 네 번째를 소개합니다. 4. PCA(Principal Component Analysis)PCA는 데이터의 분산이 가장 큰 방향을 찾아내는 고전적인 통계 기법입니다. 주로 고차원 데이터를 저 차원으로 투영할 때 사용되지만, 3D 포인트 클라우드에서는 다음과 같은 목적에 활용됩니다. 입력: 3D 포인트 집합\( X = \{ \mathbf{x}_1, \mathbf {.. 2025. 4. 14.
[pcd] 도로 포인트클라우드를 평면으로 정렬하는 4가지 방법: 딥러닝 전처리를 위한 접근(3. DTM기반 CSF) 포인트클라우드는 자율주행, 디지털 트윈, 스마트시티 등에서 중요한 3D 데이터입니다. 특히 도로 주행 환경을 스캔한 포인트클라우드를 딥러닝에 활용하려면, 도로면을 평면으로 정렬하거나 2D 이미지처럼 표현하는 전처리 과정이 필요합니다. 이 글에서는 도로와 같은 경사 있고 굴곡진 포인트클라우드를 projection 하기 위한 4가지 대표적인 방법 중 세 번째를 소개합니다. 3. DTM(DIgital Terrain Model)DTM은 지표면의 형상을 3D로 표현한 모델입니다.LiDAR, 항공사진 등으로부터 얻은 포인트 클라우드를 분석해 지면만 분리하고, 그위에 있는 구조물(건물, 나무 등)은 제거합니다. CSF(Cloth Simulation Filtering)란?CSFsms DTM을 추출하는 대표적인 방법중.. 2025. 4. 14.
[pcd] 도로 포인트클라우드를 평면으로 정렬하는 4가지 방법: 딥러닝 전처리를 위한 접근(2. Moving Least Squares) 포인트클라우드는 자율주행, 디지털 트윈, 스마트시티 등에서 중요한 3D 데이터입니다. 특히 도로 주행 환경을 스캔한 포인트클라우드를 딥러닝에 활용하려면, 도로면을 평면으로 정렬하거나 2D 이미지처럼 표현하는 전처리 과정이 필요합니다. 이 글에서는 도로와 같은 경사 있고 굴곡진 포인트클라우드를 projection 하기 위한 4가지 대표적인 방법 중 두 번째를 소개합니다. 2. Moving Least Squares(MLS)Moving Least Squares(MLS)는 포인트클라우드에서 곡면 구조를 추정하거나, 노이즈를 제거하고 점들을 부드럽게 보관할 수 있는 기법입니다. 이름처럼 이동하면서 최소제곱을 반복해, 각 점 주변의 로컬 곡면 또는 평면을 계산합니다. 즉, 각 점 주변의 지역적인 평면/곡면을 만들어.. 2025. 4. 14.
[pcd] 도로 포인트클라우드를 평면으로 정렬하는 4가지 방법: 딥러닝 전처리를 위한 접근(1. RANSAC) 포인트클라우드는 자율주행, 디지털 트윈, 스마트시티 등에서 중요한 3D 데이터입니다. 특히 도로 주행 환경을 스캔한 포인트클라우드를 딥러닝에 활용하려면, 도로면을 평면으로 정렬하거나 2D 이미지처럼 표현하는 전처리 과정이 필요합니다. 이글에서는 도로와 같은 경사 있고 굴곡진 포인트클라우드를 projection 하기 위한 4가지 대표적인 방법 중 첫 번째 방법을 소개합니다. 1. RANSAC기반 평면추정RANSAC(Random Sample Consensus)은 노이즈나 이상치가 많은 데이터에서도 강건하게 평면을 추정할 수 잇는 고전적 기법입니다. 도로면이 전체 포인트 클라우드에서 가장 넓은 평면일 것이라는 가정 하에 사용됩니다. 핵심 아이디어1. 임의로 최소 샘플 수 만큼 점을 선택(예: 평면 -> 3점).. 2025. 4. 14.
[나이트모드] 애플워치 울트라 나이트 모드 활성화! 애플워치 울트라가 생겼습니다. 나이트 모드를 default로 사용하고 싶은데 검색해 본 결과 나이트 모드를 지원하는 way finder를 watch face로 선택한 다음 디지털크라운을 돌리면 된다고 뜨는데요! 이건 이제 안됩니다!! 안 되는 줄 알고 포기하고 있었는데요! 휴대폰의 watch app에서 가능합니다!모든 face에서 가능한 것은 아니고, way finder, Modular Ultra등과 같은 울트라 전용 페이스에서 설정이 가능합니다!해당 페이스를 들어가면 기본 설정들과 complication를 변경할 수 있는데 여기서 울트라 전용페이스에만 Night mode option이 있습니다. 이걸 ON 해주면 default로 언제나 어디서나 워치의 기본 화면이 새빨간 나이트모드로 보이게 됩니다! 저.. 2025. 3. 31.
[ViT] Vision Transformer 리뷰 비전 트랜스포머(ViT)는 이미지를 입력으로 받아 Transformer 인코더만으로 특징을 추출하는 모델입니다. ViT는 먼저 입력 이미지를 고정 크기의 패치(patch)들로 분할합니다. 예를 들어 224 ×224 RGB 이미지를 16 ×16 크기의 패치로 나누면 패치 1개는 16 ×16 ×3 픽셀이고, 전체 패치는 14 ×14=196개가 생성됩니다. 각 패치는 2차원 픽셀을 1차원으로 평탄화한 후 선형 변환을 거쳐 패치 임베딩 벡터로 변환됩니다  1. ViT 모델 구조 개요이미지를 일정 크기의 패치들로 분할한 뒤(아래 패치 예시) 각 패치를 벡터로 임베딩하고, 위치 인코딩을 더하여 Transformer 인코더(위 부분)에 입력한다. 인코더는 여러 층의멀티헤드 자가주목과 MLP로 이루어진다. 최종적으로 .. 2025. 3. 24.
[PCD]Frontal view Lane Detection K-lane 논문 리뷰 K-lane LLDN(Lidar Lane Detection Network ) 1. 역사CLDN : 카메라 기반 차선 감지는 조명 조건에서 상당한 성능 문제가 존재하지만 라이다는 야간, 빛 등 다양한 조명 조건에 강함카메라 기반 방법은 자차로부터의 거리에 따라 두께가 감소하여 동일한 소실점을 향하게 되어 차선 끝에 왜곡 문제 존재LLDN : 초기 라이다 기반 차선 감지는 차선 표시를 식별하기 위해 강도 또는 반사율 임계값 설정에 의존하였지만 사전 정의된 임계값에만 한정되어 다양한 조로 환경 조건에 부합하지 않았음2. LLDN GFC(Lidar Lane Detection Networks utilizing Global Feature Correlator) LLDN-GFC(Lidar lane detection n.. 2025. 3. 17.
[PCD] Point Transformer V3(PTv3) 논문리뷰 PTv3는 3D 점군 데이터를 처리하기 위한 Transformer 기반 U-Net 형태 백본입니다. 전체 아키텍처는 U-Net처럼 4단계 인코더와 4단계 디코더로 구성되며, 각 인코더 단계에서 일정 비율로 점들을 다운샘플링하고 연속된 Transformer 블록을 쌓은 뒤, 디코더 단계에서 업샘플링을 통해 원래 해상도로 복원합니다. 모델 전반의 설계 철학은 단순성과 효율성을 극대화하여 대규모 점군에 대한 **확장성(scalability)**을 확보하는 데 있습니다. 이를 위해 PTv3는 이전 버전들에서 복잡하게 사용되던 연산들을 과감히 단순화하거나 제거하고, 효율적인 점군 구조화 기법을 도입하여 더 빠른 속도와 적은 메모리로 동등한 성능을 달성합니다. 주요 구성 요소점군 직렬화(Point Cloud Ser.. 2025. 3. 17.

티스토리툴바