Digital Twin SW Practice

Digital Twin를 위한 연습용 저장소로, ROS 노드 기초, Lanelet2 활용, 센서 시뮬레이션, 실제 센서 데이터 분석을 단계적으로 다룹니다.

저장소 구조 (Repository Structure)

NGV_DCAS_SW_Practice/
├─ README.md
├─ requirements.txt                # 노트북/데이터 분석용 Python 의존성
└─ src/
   ├─ ros_tutorial/                # 최소 ROS 예제(노드, 메시지, 런치)
   │  ├─ launch/
   │  │  └─ tutorial_demo.launch
   │  ├─ msg/                      # TutorialSineWaveInput, TutorialVehicleState
   │  └─ scripts/                  # 예제 노드(연습용 불완전 코드 포함)
   ├─ lanelet_tutorial/            # Lanelet2 사용 예제 및 샘플 맵
   │  ├─ README_Lanelet.md
   │  └─ lanelet2_maps/
   ├─ dcas_simulator/              # 센서 시뮬레이터 예제
   │  ├─ dcas_msgs/                # 시뮬레이터용 메시지/패키지 스텁
   │  └─ dcas_perception_sim/      # 지각(Perception) 시뮬레이션 예제
   └─ sensor_data_analysis/        # 실제 센서 데이터 처리(Jupyter)
      ├─ data/
      ├─ resources/
      └─ practice/
         ├─ 1_dev_environment.ipynb
         ├─ 2_motion_sensor.ipynb
         ├─ 3_gnss.ipynb
         ├─ 4_lidar.ipynb
         ├─ 5_radar.ipynb
         └─ 6_camera.ipynb

구성 설명 (Components)

1) ros_tutorial — 최소 ROS 노드 예제

노드 생성, 파라미터 처리, 퍼블리셔/서브스크라이버, TF, 시각화를 학습하기 위한 간단한 예제입니다.

• 노드(연습 지향; 일부는 xxxxxxxxx 형태의 빈칸이 남아 있음):
  • sine_wave_set_node.py: 사인파 파라미터(period, amplitude, noise_standard_deviation) 퍼블리시
  • steering_sine_wave_generator_node.py: 파라미터를 구독하여 노이즈가 포함된 조향 명령(/steering_cmd) 출력
  • kinematic_bicycle_model_node.py: 조향 명령을 받아 자전거 모델 시뮬레이션 수행. 차량 상태/TF/Marker 퍼블리시
• 런치: src/ros_tutorial/launch/tutorial_demo.launch
  • 세 노드를 인자와 함께 연결합니다.

주요 토픽:

• 입력: /sine_wave/input (커스텀 메시지 TutorialSineWaveInput)
• 출력: /steering_cmd (표준 메시지 std_msgs/Float64)
• 상태/시각화: /vehicle/state, /vehicle/marker, TF 프레임 map -> vehicle

2) lanelet_tutorial — Lanelet2 사용 예제

Lanelet2 설치 및 활용, 샘플 맵 데이터 사용 예제를 포함합니다.

• ROS Noetic에서 빠른 설치:

  sudo apt install ros-noetic-lanelet2

• 추가 내용: src/lanelet_tutorial/README_Lanelet.md

3) sensor_data_analysis — 실제 센서 데이터 처리

IMU, GNSS, LiDAR, RADAR, Camera 등 실제 센서 데이터를 파싱/변환/시각화하는 Jupyter 노트북 모음입니다.

• 노트북: practice/1_dev_environment.ipynb … practice/6_camera.ipynb
• 보조 자료: data/, resources/

4) dcas_simulator — 센서 시뮬레이터 예제

Perception 파이프라인과 메시지 시뮬레이션을 위한 스캐폴딩입니다.

• dcas_msgs/: 시뮬레이터 예제를 위한 메시지/패키지 정의
• dcas_perception_sim/: Perception 시뮬레이션용 예제 노드와 유틸리티

사전 준비 (Prerequisites)

• OS: Ubuntu 20.04 LTS (ROS Noetic 권장)
• ROS: Noetic (desktop-full) — ROS 구성 요소용
• Python: 3.8 — 노트북/스크립트용

ROS 설치(미설치 시):

sudo apt update
sudo apt install ros-noetic-desktop-full python3-rosdep
sudo rosdep init || true
rosdep update

Lanelet2 설치(lanelet_tutorial용):

sudo apt install ros-noetic-lanelet2

Python 의존성 설치(데이터 분석/노트북용):

python3 -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install -r requirements.txt

빌드 및 실행 (ROS)

이 저장소는 src/ 하위에 ROS 패키지를 포함합니다. Catkin 워크스페이스 안에 배치하는 방법을 권장합니다.

# Catkin 워크스페이스 생성
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src

# 저장소 클론
git clone https://github.com/ailab-hanyang/digital_twin_sw.git

# 빌드
cd ..
source /opt/ros/noetic/setup.bash
catkin_make
source devel/setup.bash

연습용 런치 실행(연습용 빈칸을 먼저 채운 뒤):

roslaunch ros_tutorial tutorial_demo.launch

참고:

• 일부 튜토리얼 노드는 학습용으로 xxxxxxxxx가 남아 있습니다. 실행 전 완성하세요.
• 워크스페이스를 소싱한 후(source devel/setup.bash) 패키지 인식 확인:

  rospack list | grep ros_tutorial

노트북 실행 (Jupyter)

# 위에서 만든 가상환경 활성화(선택)
source .venv/bin/activate

# Jupyter 실행
jupyter notebook
# 또는
jupyter lab

src/sensor_data_analysis/practice/의 노트북을 순서대로 실행하세요.

Contributing & Notes

• 많은 예제가 연습을 위해 설계되었습니다. 주석/빈칸을 채워보세요.
• ROS와 Python 의존성을 분리 유지(Catkin 워크스페이스 vs. Python venv).

Option - vehicle model 시각화 in WSL2

export LIBGL_ALWAYS_SOFTWARE=1 export MESA_GL_VERSION_OVERRIDE=3.3COMPAT export MESA_GLSL_VERSION_OVERRIDE=330 export DISPLAY=:0 export WAYLAND_DISPLAY=wayland-0 export XDG_RUNTIME_DIR=/mnt/wslg/runtime-dir export PULSE_SERVER=unix:/mnt/wslg/PulseServer