✅ 1. oakd_pro.yaml

/oakd:
  ros__parameters:
    camera:
      i_enable_imu: false  # IMU 데이터 사용 (필요시)
      i_enable_ir: false   # IR 프로젝터 사용 (필요시)
      i_floodlight_brightness: 0 # IR 투광기 밝기
      i_laser_dot_brightness: 100 # IR 도트 프로젝터 밝기 
      i_nn_type: none
      i_pipeline_type: RGBD   # 파이프라인: RGB+D (Depth 활성화)
      i_usb_speed: SUPER_PLUS
    rgb:
      i_board_socket_id: 0
      i_fps: 10.0
      i_height: 320
      i_interleaved: false
      i_max_q_size: 5
      i_preview_size: 320
      i_enable_preview: true
      i_low_bandwidth: true
      i_keep_preview_asct_ratio: true
			i_publish_topic: true   #전체 해상도 영상 비활성 (프리뷰만 퍼블리시)
      i_resolution: '720P'
      i_width: 320
    stereo:
      i_publish_topic: true
      i_align_depth: true
    use_sim_time: false

✅ 2. Robot_Yolov11_Depth

• Object와의 거리값 출력 및 실시간 거리 측정
• 거리 정확성 높음 (오차 +- 1~2cm)

• 객체 인식(fr : 아군 인식)

✅ 3. 훈련 이미지 사이즈와 해상도 문제

• 원천이미지 size 250 으로 학습모델 ⇒ 군복이 아닌 것을 오인식함.

📌 문제 요약

• 해상도 250px 수준으로 학습된 모델은 작은 디테일(카모 패턴)을 잘 구분하지 못함. (640px인 현재 모델도 패턴 중심으로 군복을 인식하다 보니, 간혹 유사 패턴도 감지됨)

  ⇒ 배경이나 유사 텍스처를 군복으로 오인식.

• 특히 다중 객체 인식일 경우, 컨텍스트를 무시하고 국소 패턴만 보고 판단할 가능성 ↑

  ➡️ 1. imgsz : 250 ⇒ imgsz : 640 적합 판단

‼️현재 모델이 패턴 중심으로 군복을 인식하다 보니, 유사 패턴도 감지됨

예상 해결 방안

⇒ 1. 학습모델 추가 학습(imgsz, epoch, oakd_pro.yaml 파라미터 조절, 이미지 전처리 등)

• 다양한 이미지의 군복 학습

⇒ 2. 단계적 yolo 적용

• 1단계 사람, 2단계 군복 ⇒ 필터링 한번으로 인해 추론속도 저하로 부적합 예상

⇒ 3. OAK-D 카메라 내부 yolo(YOLOv4-tiny, YOLOv5n 등)

• OAK-D 카메라에 있는 내부 yolo모델 사용해서 사람 감지 후 외부 yolo