서로 다른 지도들의 통합은 여러 세션과 협력적 다중 로봇 시나리오 전반에서 확장 가능한 로봇 운용을 가능하게 하기 위해 필수적이다. 그러나 센서 양식과 동적 환경에 강인한 단일 지도를 달성하는 일은 여전히 어려운 문제로 남아 있다. LiDAR 유형의 차이와 동적 요소의 존재는 점군 분포와 장면 일관성의 차이를 초래하여, 정확한 지도 정렬에 필수적인 신뢰할 수 있는 디스크립터 생성 및 루프 클로저 탐지를 방해한다. 이러한 과제를 해결하기 위해 본 논문은 다중 양식 LiDAR 시스템을 위한 동적 인지형 3D 점군 지도 병합 프레임워크인 Uni-Mapper를 제시한다. 이는 동적 객체 제거, 동적 인지형 루프 클로저, 그리고 다중 양식 LiDAR 지도 병합 모듈로 구성된다. 시간적 점유(occupancy) 불일치를 통해 동적 객체를 식별하고 거부하기 위해, 거친-단계부터 정밀-단계(coarse-to-fine) 방식으로 복셀 단위 자유 공간 해시 맵(voxel-wise free space hash map)을 구축한다. 제거 모듈은 보존된 정적 점들로부터 국소 특징을 추출하는 지도 중심(descriptor) 디스크립터와 통합되어, 동적 환경에서 다중 양식 LiDAR의 견고성을 보장한다. 최종 단계에서는 세션 내(intrasession) 및 지도 간(inter-map) 루프 클로저 모두에 대해 여러 포즈 그래프 최적화를 수행한다. 지도 병합 과정에서 세션 내 드리프트(intra-session drift) 오류를 완화하기 위해 중앙 집중형 앵커 노드(centralized anchor-node) 전략을 채택한다. 제안 프레임워크는 동적 객체와 이질적 LiDAR가 포함된 다양한 실세계 데이터셋에서 평가되었으며, 센서 양식 전반에서의 루프 탐지 성능, 동적 환경에서의 견고한 맵핑, 그리고 기존 방법 대비 정확한 다중 지도 정렬에서 우수한 성능을 보인다. 프로젝트 페이지: https://sparolab.github.io/research/uni_mapper.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.