외부 환경 로봇을 위한 강건한 로컬라이제이션·맵핑(다중 세션/다중 모달)

Robust Localization and Mapping for Outdoor Robots (Multi-Session/Multi-Modal)

연구 내용

제한된 센서 시야와 동적 환경에서 로봇의 위치 추정과 맵 정합을 안정화하는 연구

외부 자율주행에서 센서 시야 제약, 악천후, 동적 객체, 센서 모달 차이로 인해 place recognition과 SLAM 정합이 불안정해지는 문제를 다룹니다. 제한된 FOV를 전제로 한 LiDAR place representation을 구성하고 수직 방향 정보를 이용해 회전 변화와 초기 heading 추정을 보강합니다. 카메라·LiDAR·레이더 등 다중 모달을 대상으로 동적 객체를 제거하거나 무료공간과 특징의 잡음 특성을 분리해 robust localization을 수행합니다. 또한 동적 환경에서 멀티맵 정합을 위한 multi-modal LiDAR map merging과 정적 지도 생성, StaticNeRF 기반 동적 장면 복원까지 확장해 위치 추정 파이프라인의 강건성을 확보합니다.

관련 프로젝트

5건

연구 흐름

초기에는 LiDAR 기반 place recognition에서 제한된 FOV와 누적 drift를 줄이기 위한 표현 학습 및 온보드 적합 경량화 방향으로 연구를 수행했습니다. 동시에 다양한 지형과 멀티세션을 포괄하는 데이터셋을 구축해 평가 가능성을 높였습니다. 이후 레이더 기반 로컬라이제이션으로 가시광 환경 의존도를 낮추고, dynamic-aware loop closure 및 multi-modal 맵 병합으로 이종 센서 환경의 정합 성능을 확장했습니다. 최근에는 동적 물체 제거와 정적 장면 복원(StaticNeRF)을 통해 동적 환경에서도 localization을 안정화하는 연구로 이어졌습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

제한된 시야(FOV) 로봇 측위
다중 세션 지도 정합
다중 로봇 협력 SLAM
악천후 레이더 기반 위치 인식
동적 객체 제거 정적 지도 생성
다중 모달 LiDAR 통합 맵 병합
LiDAR-카메라 외부 캘리브레이션
동적 장면 정적 표현 기반 국소화
현장 검증용 벤치마크 데이터셋
분산형 자율주행을 위한 위치 공유