Simultaneous Localization And Mapping
동시적 위치추정 및 지도작성
개요
Perception
주변 공간 인지
| Exteroceptive sensing | Proprioceptive sensing |
|---|---|
| 외수용성 감각 Mapping Estimate environment Given environment Given accurate motion information Reconstruct a map | 고유 감각(=proprioception) Localization Given motion information Estimate motion Given an accurate map Estimate vehicle pose |
Monte Carlo Localization
지도가 사전 정보로 주어졌을 때, 파티클 필터 기법을 사용해서 위치 추정
motion(proprioceptive sensing 확률 분포) + observation(exteroceptive sensing 확률 분포)
-> opimal한 정보(pose=위치) 도출
initialization
motion update
measurement
weight update
resampling
센서 종류
Wheel encoder
바퀴의 회전량(RPM)과 이동량(=바퀴의 회전량*바퀴의 둘레)을 측정하는 센서
장점
자동차에 기본적으로 탑재
단점
Odometry 진행 시 drift에 약함
바퀴 둘레가 주행 중 자주 바뀜
IMU
Inertial measurement unit
Linear accelerator(선형가속도 측정) 센서와 Angular gyroscope(각속도 측정) 센서가 혼합된 센서
Spring-damper system 원리 이용
Optical system : 차량용 IMU
MEMS : 소형 디바이스 IMU
장점
소비자 등급은 저렴
높은 sensitivity, 높은 fps
단점
빠른 drift 누적 -> Camera / LiDAR / GNSS와 함께 사용
GNSS
Global navigation satellite system
비콘 기반 위치 추정 센서
다수의 비콘에 대한 통신시간 차이를 이용하여 비콘-로봇의 거리를 구하고 삼각측량을 통해 localization 수행
외부 비콘을 사용하기 때문에 exteroceptive sensor
나라별 시스템
GPS(USA)
장점
저렴
단점
부정확함
RTK-GPS, DGPS 사용 시 정확하지만 비쌈
고층빌딩 사이에서 multi-path 문제
실내/지하 사용 불가
LiDAR
Light detection and ranging sensors
적외선 레이저를 쏘고 반사 시간을 측정하여 거리를 추정하는 센서
주변 환경을 3D point cloud 형태로 바로 알 수 있음
장점
Exteroceptive 센서 중 가장 정확한 편
자율주행용 라이다는 100m 유효거리
빛의 파장이 일어나지 않기 때문에 밤낮 사용 가능
단점
비쌈(16ch : 5~600만, 128ch : n천만)
카메라에 비해 낮은 resolution
눈/비/안개 영향 받음
Multi-path 문제
Solid-state LiDAR는 여러 방향으로 탑재 필요
RADAR
Radio detection and ranging sensor
반사되어 돌아오는 전파를 측정하여 radial 거리를 재는 센서
Doppler 효과를 이용해서 이동 중인 물체의 속도 추정 가능
전파의 종류를 바꿈으로서 near-range와 far-range 선택 가능
장점
날씨 영향 X
속도값 추정 가능
단점
작은 물체들은 detection 실패
LiDAR보다 낮은 resolution
Multi-path 문제
Ultrasonic
RADAR와 작동 방식 동일
장점
저렴함
Near-range에서 잘 작동함
단점
물체의 형태를 잘 추정하지 못함 : 거리 센서로 사용
노이즈
Camera
광센서를 이용해 빛 신호를 받고 debayering 프로세스를 통해 RGB 색 재구성
장점
저렴함
좋은 성능 - Dense data, Texture, Color, High-FPS
렌즈 교환을 통해 시야각 변경 가능
사람이 보는 시야와 가장 유사함
단점
Depth 정보 소실
조명 영향
SLAM 종류
Visual SLAM
Visual 정보를 이용하는 SLAM
Exteroceptive sensor = 카메라
장점
저렴한 센서 사용
센서의 성능을 조절하기 쉬움
센서의 속도가 빠른 편
이미지 기반 딥러닝 적용 가능
이미지로 사람이 이해하기 쉬운 시각화 가능
단점
조도 변화 대응 불가능
VSLAM Sensors
Monocular camera
Direct Sparse Odometry
Stereo camera
Omnidirectional Localization and Dense Mapping
Depth camera
LiDAR SLAM
LiDAR 정보를 이용하는 SLAM
Exteroceptive sensor = LiDAR
