[IMU] What is an IMU(Inertial Measurement Unit)- 관성측정 장치?
IMU가 무엇인지부터 deskew와 gravity alignment에 왜 중요한지까지, LiDAR 전처리 관점에서 차근차근 설명한 글.
저는 한국에서 활동하는 AI researcher입니다. 최근에는 visual perception for real-world infrastructure applications에 가까운 문제들 — LiDAR 기반 mapping, segmentation pipelines, image super-resolution — 을 오래 다루고 있습니다.
What I work on
제 관심은 모델 하나를 잘 아는 것보다, noisy한 입력을 구조화된 출력으로 바꾸는 전체 파이프라인을 이해하는 데 더 가깝습니다. 그래서 LiDAR, segmentation, reconstruction, mapping 같은 문제에 오래 머뭅니다.
Strength
제가 특히 중요하게 보는 것은 실행 가능성과 재현성입니다. 동작하는 시스템을 만들고, 다시 돌릴 수 있게 만들고, 팀 안팎에서 설명 가능한 형태로 남기는 일에 강점을 두고 있습니다.
How I write
개념을 바로 외우기보다 다시 정리합니다. 그래서 글도 대개 문제를 먼저 세우고, 핵심 아이디어와 구조를 설명한 뒤, 직접 테스트하거나 관찰한 내용을 붙이고, 마지막에 판단을 남기는 식으로 씁니다.
How to read
먼저 대표 글 몇 편으로 관심사와 설명 방식부터 파악하고, 그다음 Concepts에서 묶인 주제를 본 뒤, Notes에서 작은 실험과 관찰을 읽는 것이 가장 좋습니다. Tistory는 레거시 아카이브로 남기되, 이 사이트를 메인 홈으로 키우는 중입니다.
Good first reads
IMU가 무엇인지부터 deskew와 gravity alignment에 왜 중요한지까지, LiDAR 전처리 관점에서 차근차근 설명한 글.
서브 에이전트 중심 워크스페이스를 직접 구성하면서, AI 도구를 생산 시스템처럼 다루는 방식을 정리한 글.
SAM 3를 직접 설치하고 추론 결과를 다루면서, 새 모델을 실제 파이프라인에 붙일 때 중요한 핸들링 포인트를 정리한 글.
Conda에서 uv로 넘어가며 왜 속도, 표준 준수, 재현성이 개발 생산성을 바꾸는지 설명한 실무형 글.
SAM 3D Objects를 계기로 3D segmentation과 3D reconstruction의 차이를 시스템 관점에서 풀어낸 글.
SAM 3 논문과 코드를 함께 따라가며 concept prompt가 무엇을 가능하게 하는지 정리한 리뷰 글.
MMS LiDAR 데이터를 써서 3D lane segmentation 시스템을 만든 경험과 전처리부터 모델링까지의 실전 노하우를 정리한 글.
BoostCamp에서 무엇을 배우고 어떤 문제를 직접 풀었는지, 성장 과정과 프로젝트 경험을 함께 돌아본 글.
열심의 한계와 방향성에 대해 스스로 점검한 개인적이지만 중요한 기준점 같은 글.
내가 왜 computer vision에 끌리는지, 어떤 문제들을 재밌어하는지 비교적 솔직하게 드러나는 초기 글.
Operating principles