-
No.38 強く買いたい
それよりも《百度》ですよ。 …
2024/05/03 14:17
-
No.254 強く買いたい
昨日のKudanCTOの発言は…
2024/04/24 09:02
昨日のKudanCTOの発言は困ったもんだったけど、
LinkedinでNVIDIAがフォローしてくれた? -
No.1029 強く買いたい
1年前の記事だが、Kudanの…
2024/04/22 11:47
1年前の記事だが、Kudanの事が書かれている!!!
国策【NEDO】!!!!!
※PDFファイル
↓↓↓
https://
www.nedo.go.jp/content/100959960.pdf
ロボット分野における研究開発と
社会実装の大局的なアクションプラン
(ロボットアクションプラン)
2023 年 4 月
国立研究開発法人 新エネルギー・産業技術総合開発機構
https://www.nedo.go.jp › content
PDF
... ドローン、小型除草機等の導入による耕 ... 制御では、周囲の人の動きに応. じて、ロボットが減速または衝突回避する技術が注目されている。 ... ○ Direct Visual SLAM(Kudan ... -
No.1017 強く買いたい
vecow が一生懸命Kuda…
2024/04/22 10:38
vecow が一生懸命Kudanの事を力説してくれている!!!
最初から最後まで!!!
↓↓↓
https://youtu.be/S3WH2qa2kE8?si=WNl7Toxcnr8hF3wO -
No.996 強く買いたい
https:// www.ur…
2024/04/22 09:35
https://
www.urawa-yakin.jp/2018/01/09/%E8%87%AA%E5%BE%8B%E7%A7%BB%E5%8B%95%E3%81%99%E3%82%8B%E9%A3%9F%E5%93%81%E9%9B%91%E8%B2%A8%E5%BA%97%E3%81%A8%E3%81%AF-%E5%8B%95%E7%94%BB%E3%81%82%E3%82%8A/
これは?!
試作電気自動車の開発者である。そしてもう1社の協力社がHevo Powerだ。Hevo Powerは電気自動車へのワイヤレス充電を目指すスタートアップだがまだ製品の出荷はしていない(とはいえHavo Powerはカリフォルニアの砂漠にあるグーグルの最高機密自動運転車本部のプロトタイプに採用されていると伝えられている)。 -
No.995 強く買いたい
証拠動画 https:// y…
2024/04/22 09:32
証拠動画
https://
youtu.be/FJMC40vkTTQ?si=fQBnoAqoK9qid6g6
>Kudanとwhaledynamicが
進めている
ロボマートのパートナーは
NVIDIA! -
No.940 強く買いたい
何故他企業がKudanを推した…
2024/04/22 07:56
何故他企業がKudanを推したがるのか分かった気がする。
限定公開!!!
↓↓↓
https://
youtu.be/S3WH2qa2kE8 -
No.934 強く買いたい
自分で言ってて全く理解してなか…
2024/04/22 06:36
自分で言ってて全く理解してなかった(汗)
↓
>Kudanは点群を利用して瞬時に3Dマップを作り出す事が出来ます。
それが他企業と違うところ。 -
No.159 強く売りたい
Kudanは一瞬で読み取った点…
2024/04/22 05:50
>>No. 158
Kudanは一瞬で読み取った点群から
自己位置推定とマッピング(SLAM)を同時にやってのけてる企業である。
点群生成するだけなら、点群に色付けするだけなら3流企業でも出来る。
SLAMとは?
SLAMの作り方
https://
jp.mathworks.com/help/nav/ug/perform-lidar-slam-using-3d-lidar-point-clouds.html
3 次元 LiDAR 点群を使用した SLAM の実行
※一部抜粋
この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサー データに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。
ここで示す SLAM アルゴリズムでは、正規分布変換 (NDT) に基づく点群レジストレーション アルゴリズムを使用して軌跡を推定し、ロボットが同じ場所を通るたびに信頼領域ソルバーを使用した SE3 姿勢グラフの最適化を使用してドリフトを減らします。
データの読み込みと調整可能なパラメーターの設定
ある駐車場で Clearpath™ Husky ロボットから収集した 3 次元 LiDAR データを読み込みます。この LiDAR データには、"n" 行 3 列の行列の cell 配列が格納されています。ここで、"n" は取得された LiDAR データ内の 3 次元の点の数で、列は取得された各点に関連付けられている "xyz" 座標を表します。
Get
outputFolder = fullfile(tempdir,'ParkingLot'); dataURL = ['https://ssd.mathworks.com/supportfiles/lidar/data/' ... 'NatickParkingLotLidarData.tar']; pClouds = helperDownloadData(outputFolder,dataURL);
点群レジストレーション アルゴリズムのパラメーター
点群レジストレーション アルゴリズムを使用した軌跡の推定のパラメーターを指定します。maxLidarRange で 3 次元レーザー スキャナーの最大範囲を指定します。
Get
maxLidarRange = 20;
屋内環境で取得された点群データには床面と天井面の点が含まれていて、点群レジストレーション アルゴリズムで混同されます。次のパラメーターにより、一部の点が点群から削除されます。
referenceVector - 床面の法線方向。
maxDistance - 床面と天井面を削除するときのインライアの最大距離。
maxAngularDistance - 床面と天井面を当てはめるときの基準ベクトルからの最大角度偏差。
Get
referenceVector = [0 0 1]; maxDistance = 0.5; maxAngularDistance = 15;
レジストレーション アルゴリズムの効率と精度を高めるために、randomSampleRatio で指定したサンプル比の無作為抽出を使用して点群がダウンサンプリングされます。 -
No.929 強く買いたい
こんな難しい事をKudanは一…
2024/04/22 05:28
こんな難しい事をKudanは一瞬で行っていた?!!
SLAMの作り方※他企業の説明
↓↓↓
https://
jp.mathworks.com/help/nav/ug/perform-lidar-slam-using-3d-lidar-point-clouds.html
その1文
3次元 LiDAR 点群を使用した SLAM の実行
この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサー データに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。
ここで示す SLAM アルゴリズムでは、正規分布変換 (NDT) に基づく点群レジストレーション アルゴリズムを使用して軌跡を推定し、ロボットが同じ場所を通るたびに信頼領域ソルバーを使用した SE3 姿勢グラフの最適化を使用してドリフトを減らします。
データの読み込みと調整可能なパラメーターの設定
ある駐車場で Clearpath™ Husky ロボットから収集した 3 次元 LiDAR データを読み込みます。この LiDAR データには、"n" 行 3 列の行列の cell 配列が格納されています。ここで、"n" は取得された LiDAR データ内の 3 次元の点の数で、列は取得された各点に関連付けられている "xyz" 座標を表します。
Get
outputFolder = fullfile(tempdir,'ParkingLot'); dataURL = ['https://ssd.mathworks.com/supportfiles/lidar/data/' ... 'NatickParkingLotLidarData.tar']; pClouds = helperDownloadData(outputFolder,dataURL);
点群レジストレーション アルゴリズムのパラメーター
点群レジストレーション アルゴリズムを使用した軌跡の推定のパラメーターを指定します。maxLidarRange で 3 次元レーザー スキャナーの最大範囲を指定します。
Get
maxLidarRange = 20;
屋内環境で取得された点群データには床面と天井面の点が含まれていて、点群レジストレーション アルゴリズムで混同されます。次のパラメーターにより、一部の点が点群から削除されます。
referenceVector - 床面の法線方向。
maxDistance - 床面と天井面を削除するときのインライアの最大距離。
maxAngularDistance - 床面と天井面を当てはめるときの基準ベクトルからの最大角度偏差。
Get
referenceVector = [0 0 1]; maxDistance = 0.5; maxAngularDistance = 15; -
No.158 強く売りたい
はっきり言おう。 アイサンテク…
2024/04/22 05:23
>>No. 156
はっきり言おう。
アイサンテクノロジーより
《Kudanが遙か上のレベルを行っている。》
【点群データだけなら3流企業でも生成できる】
【点群データに色付ける事も3流企業でも出来る】
だって
【Liderで読み取れば簡単に点群が生成出来る】
のだから、、、
Kudanはその遙か上のレベルをいとも簡単にやってのけてるのだよ?!!!
INNOVIZのCEOに、『これはSLAMの画像ですか?』と聞いた事がある。
INNOVIZCEOは『これはLider で読み取った画像です』
と返答が。
私は腑に落ちないまま現在進行形で来てしまった。
今ようやく飲み込めたよ。
3 次元 LiDAR 点群を使用した SLAM の実行
この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサー データに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。 -
No.928 強く買いたい
まだ残ってました!!! ※添付…
2024/04/22 05:17
まだ残ってました!!!
※添付画像
>INNOVIZのCEOに、『これはSLAMの画像ですか?』と聞いた事がある。
INNOVIZCEOは『これはLider で読み取った画像です』
と返答が。
私は腑に落ちないまま現在進行形で来てしまった。
今ようやく飲み込めたよ。
皆に言っておこう。
【点群データだけなら3流企業でも生成できる】
【点群データに色付ける事も3流企業でも出来る】
だって
【Liderで読み取れば簡単に点群が生成出来る】
のだから、、、
Kudanはその遙か上のレベルをいとも簡単にやってのけてるのだよ?!!!
ただの偶然か?!それとも必然か…
2024/05/03 14:47
ただの偶然か?!それとも必然か?!
Mobil eyeを中核として、
その先にintdelとHEREがいて、更にその先にはKudanとアーティセンスが。