OPEN Source SLAM : 3 일차 오픈소스 비주얼 SLAM과 라이다 SLAM 종류와 특징 살펴보기

 

---

OPEN Source SLAM : 3 일차 오픈소스 비주얼 SLAM과 라이다 SLAM  종류와 특징 살펴보기

 

 

 

Open-Source SLAM algorithms : day 3 Serveral Kinds of visual and Lidar based SLAM

 

---

여러가지 알고리즘들이 개발되어왔고 주로 두가지 센서로 SLAM을 진행하고 있다. 여러 알고리즘들중 오픈소스로 개발된 알고리즘들을 주요로 살펴보면서 특징들을 알아보도록 하겠다. 

 

라이다 기반 슬램 

LiDAR (Light Detecting And Ranging) Based SLAM

ⓐ Gmapping/ Tiny SLAM

파티클 필터를 이용하여 로봇의 궤적을 예상하는 작업을 수행한다. 충분한 수의 파티클들이 있고 오차가 있는 실제 위치값이 입력 오도메트리에 대응한다면 파티클 필터는 환경을 잘 보여줄수있는 하나의 솔루션으로 합칠수있다. 루프클로져가 있을 때 더욱 강건하다. ROS의 기본(default) SLAM으로 되어있다. 2D Laser scanner 로부터 2D Occupancy Grid Map 을 만들어낸다.

 

ⓑ Hector SLAM

최소한의 계산량으로 빠르게 2D Occupancy Grid Map을 형성한다. 미끌림에 대한 오차가 적다. IMU와 융합 가능하다. 루프클로져를 감지하지 못한다. 루프클로져를 감지하지 못함에 따라 기존 맵을 불러들일수없다.

 

ⓒ ETHZASL-ICP-Mapper

2d/3d 라이다로부터 2D 그리드맵을 형성시킬 수 있다.

루프클로져를 감지하지 못한다.

 

# Karto SLAM / Lago SLAM / Google Cartographer

# 모두 라이다 그래프 기반의 SLAM 접근방식이다. 2D의 지도 생성이 가능하다.

 

ⓓ Google Cartographer – 그래프를 보여주는것에 있어 2d로 보여주는게 가능하다. 3D 라이다를 지원함에 따라 3D 포인트클라우드를 출력한다. 지도작성과정에 있어서 그래프에 제약된 보조 지도를 만든다. 루프클로져가 검출되었을시, 보조 지도에서의 위치가 센서의 노이즈와 매칭의 오차를 재보정해준다. Hector SLAM과 다르게 강건한 매칭을 위하여 외부 오도메트리를 지원한다.

 

ⓔ BLAM – 라이다 그래프 기반의 SLAM 알고리즘이다. 3D 라이다만을 지원하고 환경의 3D 포인트클라우드 지도를 작성한다. 로봇이 이전에 방문했던 지역을 탐색할 시 루프클로져가 작동하는것으로 보인다. 이때 조지아 테크의 매핑기술을 사용한다.

 

ⓕ SegMatch

SegMatch는 3D 라이다 기반의 루프 클로져 검출 방식이다. 3d 라이다 기반의 루프클로져를 검출한다. 3D객체의 부분들을 매칭시켜 루프클로져를 검출한다.

 

 

비쥬얼 슬램 (카메라 기반)

Camera Based SLAM

ⓐ Maplab / VINS-Mono

최근(2018)에 출시된 비쥬얼-관성 그래프 기반의 SLAM 시스템들이다.

오직 카메라와 IMU를 가지고 비주얼 지도를 로칼라이제이션을 위해 생성한다.

 

ⓑ Maplab - 두가지 단계로 이뤄져있다.

1.      오픈루프상태에서 비주얼(비전)과 관성 오도메트리가 기록된다.

2.      맵관리자가 오프라인에서 작업을 완수한다. (오프라인은 실시간이 아니라는 이야기)

 

ⓒ VINS-Mono 

Maplab의 과정을 실시간으로 작업을 완수한다.

주행에 있어서 GPU를 활용하여 만들어진 로컬 TSDF(Truncated signed distance field)(끝이 잘린 부호가 달린 거리 영역) 로 작성된 지도가 장애물 회피와 경로 생성을 위해 제공된다.

큰 영역의 환경에서 알고리즘을 실행할 때 시간지연을 막기 위해서 그래프의 크기를 제한하는데, 우선 루프클로져가 없는 노드들을 제거하고, 그 다음 그래프의 밀도를 기반으로 제거한다.

 

ⓓ ORB-SLAM S-PTAM

스테레오 카메라로 사용될수있는 특징점기반 가장 좋은 2가지의 알고리즘중 하나이다.

 

ⓔ Pro-SLAM / ORB SLAM2 / DVO-SLAM / ElasticFusion 등은 여러 개의 센서를 이용하거나 스테레오 카메라를 이용하여 본 알고리즘을 수행.

 

슬램에는 카메라로는 특징점들이 부족하여 자율차나 무인이동체에 사용될수없다는 것이 가정이었지만, 이것을 보안하기 위해 다음과 같은 알고리즘들이 개발됨.

 

ⓕ MCPTAM – multi camera parallel tracking and mapping

여러 개의 카메라를 이용하여 탐지영역 확장

ⓖ RGBDSLAMv2 – Red Green Blue depth simultaneous localization and mapping

여러개의 오도메트리 정보를 융합하여 3d occupancy grid와 밀도포인트클라우드를 출력시킴.

 

 

 

그림1. 유명한 알고리즘들에 대한 입력값과 출력값의 표

 

다양한 오픈소스 알고리즘들을 살펴볼 수 있었다. 다음 시간에는 이 알고리즘들중 결과값을 비교하는 과정의 결과가 어떻게 나왔는지 살펴보도록 하겠다.

 

 

감성적인 공간, 프랑스. 

 

---

 

<참고문헌>

[1] RTAB-Map as an opensource lidar and visual simultaneous localization and mapping library for large scale and long term online operation, Mathhieu Labbe, 2018