Slam의 결과물로 엊은 .g2o파일을 열어보면 아래와 같이 되어있다. 초반에는 VERTEX_SE3:QUAT 0 0 0 0 0 0 0 1 FIX 0로 시작한다. 1. VERTEX_SE3를 보면 VERTEX_SE3: QUAT 598 -50.6003 -19.0252 0.240575 -0.0093948 -0.0115594 0.161578 0.986748라고 되어있는 걸 볼 수 잇는데 이는 누적된 odometry + 정합 결과로 얻어진 로봇 pose이다.598번 포즈에서 위치 (x, y, z) = (-50.6, -19.0, 0.24)회전 quaternion (qx qy qz qw)를 갖는다고 볼 수 잇다. 2. 다음으로는 EDGE_SE3를 볼 수 있는데 EDGE_SE3: QUAT 0 1 -0.0018850..

자주 까먹어서 정리하는 3D to 2D projection 과정Step1. Homogeneous 좌표 생성- 변환행렬곱을 가능하게 하기 위해서 lidar 데이터를 (x, y, z, 1)의 homogeneous 형태로 바꿔준다. Step2. LiDAR to Camera 변환 행렬을 준비한다. Step3. 계산해야되니까 가로 -> 세로 바꿔주기points_cam = (T_lid2cam @ lidar_homogeneous.T).T 이를 통해 라이다 좌표계가 카메라 좌표계로 변화한다. Step4. Camera 좌표계를 이미지 좌표계로 변환 K = 카메라 intrinsic(3x3)3D 카메라 좌표를 2D homogeneous 좌표인 (u', v', w')로 변환한다. 아직 정규화되지 않음. Step5. Pi..

평소보다 3배로 많은 데이터로 학습했더니 더 병목 현상이 더 심해졌다. 아래 Wandb 그래프처럼 utilization이 뚝뚝 끊기듯 0% → 100% → 0% 반복되는 문제가 발생했는데, 원인은 99%로 DataLoader 병목 쪽에서 발생한다. nproc 하면 CPU 코어 수를 알 수 있는데, 나 같은 경우에는 num_workers(위 사진에서는 n_threads를 8에서 32로 늘려주었다.) config 없다면 train_loader에서 직접 수정아래처럼 find_unused_parameters를 false라고 해두면 사용되지 않은 파라미터를 찾는데 시간을 줄일 수 있게 된다. 이후에는 그래도 0%에 오래 머물지 않는 모습을 볼 수 있음