auto_parking

📝 프로젝트 개요

이 프로젝트는 TurtleBot3 Burger 사방에 카메라를 장착하여 다양한 방향에서의 시각 정보를 활용하여 강화학습 시뮬레이션 환경을 구성합니다.
Gazebo 기반 autorace 맵을 사용하며 주차에 대한 강화학습을 진행 할 예정압니다.

---

📌 사용된 주요 ROS2 패키지

• turtlebot3_gazebo
• gazebo_ros
• image_transport
• `tf2_ros
• sensor_msgs

주요 기능

• 다중 카메라 입력: rear, left, right 카메라 이미지 토픽 구독
• 라인 검출(노란선/흰선): ROI 하단 80%에서 색상 기반 필터링 및 비율 산출
• 주차 가능 구역 검출: ROI 사각형 컨투어 면적 비율 ≥ 40% 시 True
• 강화학습 환경/에이전트 분리: dqn_environment ↔ dqn_agent
• 충돌 판정: 충돌 센서 추가 및 충돌 토픽 구독
• 학습 로깅/가시화: 스텝 로그 가독성 개선 및 결과 분석 스크립트(result_analysis/)

🔧 Version History

🚀 v0.0.01 - Gazebo Simulation

• turtlebot3 gazebo 환경 가져오기
• turtlebot3 gazebo 실행 테스트 완료

🚀 v0.0.02 - Gazebo Simulation

• turtlebot3 burgur rear camera 추가 및 TF 프레임 설정
• rear/image_raw, rear/camera_info 토픽 발행 확인
• rear_camera_link 기준 pose 및 카메라 각도 튜닝
• 맵 주차장 이미지, 크기 변경
• 주차장에 차량을 대신할 블록 설치
• autorace 맵에서 rear camera 작동 테스트 완료

🚀 v0.0.03 - Machine learning

• machine learning 환경 가져오기
• dqn 파일 일부 실행 테스트 진행

🚀 v0.0.04 - Burger Model

• left, right camear 추가 및 TF 프레임 설정
• left_camera/image_raw, left_camera/camera_info 토픽 발행 확인 (right_camera 또한 동일)
• left_camera_link 기준 pose 및 카메라 각도 튜닝 (right_camera 또한 동일)

🚀 v0.0.05 - Camera Integration

• 노란선 필터링을 위한 초기 Line Detector 노드 테스트 진행
• ROI 설정을 통한 아래 화면의 80% 사용 범위 설정
• 노란선 비율 0.6 이상일 시 노란선 인식 토픽 발행 (서비스 서버로 수정 예정)

브랜치: main/rear_camera_parking_detector

• ROI(Region of Interest) 설정을 통해 화면 하단 80% 영역만 사용
• 노란선과 흰색 이진화 이미지 생성
• 주차 구역 검출을 위한 Parking Zone Detector 노드 구현
• ROI 내에서 사각형(4변) 컨투어 중, 넓이가 전체 ROI의 40% 이상일 경우 "주차 가능 구역"으로 판별
• 결과에 따라 주차 가능 구역이면 True, 아니면 False를 /parking_zone_detected 토픽(std_msgs/Bool)으로 발행
• OpenCV를 통한 검출 결과 시각화 지원(디버깅용)

브랜치: main/parking_area_detect

• main에 병합 완료

🚀 v0.0.06 - env

• 주차구역 감지 전까지 직진 수행

🚀 v0.0.07 - burget

• 차량 충돌센서 추가
• 학습 실패조건 충돌 방식 : odom을 이용한 차량속도와 cmd_vel의 차이 -> 충돌 센서 입력값

🚀 v0.0.08 - agent

• reward방식 수정
• environment step 로그 가시성 개편하
• 초기화시 차량 흔들림 수정 (2번 초기화)
• 충돌 시 초기화 문제 수정

브랜치: main/test_of_train

🚀 v0.0.09 – Launch & Setup

• Gazebo 시뮬레이션 실행을 위한 launch 파일 추가
• sdf 모델 중복 입력 삭제 및 collision box 색상 디버그
• logger / parking_sub_callback 정리
• reset 동작 및 crash 처리 코드 개선

브랜치: 'main/startline_ML'

🚀v0.0.10 – Refactor & Merge

• train_test 브랜치 및 startline_ML 브랜치 병합
• rear_env / keep_straight 브랜치 기능 통합

🚀 v0.0.11 – Documentation & Maintenance

• README 다수 업데이트
• 불필요 파일/코드 정리
• 리팩토링 마무리 및 충돌 대응 최적화

🚀 v0.1.00 ~ – test

• reward 수정

🚀 v0.2.00 ~ – test

• reward 대폭 수정
• 학습량 증가

🎥 결과 영상

시스템 요구사항

• OS: Ubuntu 22.04 LTS 권장
• ROS 2: Humble Hawksbill
• Simulator: Gazebo Classic
• Python: 3.10+
• 패키지: turtlebot3_gazebo, gazebo_ros, image_transport, tf2_ros, sensor_msgs, OpenCV 등

▶️ 실행 방법

# bashrc
function MLmaplaunch() {
	cd ~/auto_parking
	. install/setup.bash
	ros2 launch turtlebot3_dqn gazebo.launch.py
	}

# Launch Gazebo with gazebo_init, rear camera, right camera
MLmaplaunch
# Run environment node
ros2 run turtlebot3_dqn dqn_environment

# Run agent node
ros2 run turtlebot3_dqn dqn_agent

학습(Training) & 평가(Evaluation)

보상 설계(요지)

• 성공: 성공 점수 + ROI 기반 성공 점수 + 거리/각도 점수
• 실패(충돌/스텝초과): 거리/각도 점수 − (충돌/초과 패널티)
• 진행중: 얇은 shaping 중심(진행도 − 이동 소패널티)

로그/결과 분석: result_analysis