자율 이동 로봇에서 정확하고 견고한 위치 현지화(localization)는 필수적이다. Light Detection and Ranging(LiDAR) 센서를 기반으로 한 맵 매칭(map matching)은 로봇의 전역(global) 위치를 추정하기 위해 널리 채택되어 왔다. 그러나 환경이 변화하거나 충분한 특징(features)이 제공되지 않을 때 맵 매칭 성능이 저하될 수 있다. 부정확한 맵 매칭 자세(poses)를 현지화(localization)에 무분별하게 통합하면 자세 추정(pose estimation)의 신뢰성이 크게 감소할 수 있다. 본 논문은 맵 매칭에 기반한 견고한 LiDAR 기반 위치 현지화 방법을 개발하는 것을 목표로 한다. 우리는 맵 매칭 자세의 불확실성(uncertainty)으로부터 계산되는 적절한 가중치(weights)를 결정하는 데에 초점을 둔다. 맵 매칭 자세의 불확실성은 자세에 대한 확률분포(probability distribution)로부터 추정한다. 우리는 확률분포를 도출하기 위해 정규분포 변환(normal distribution transform) 맵을 활용한다. 인자 그래프(factor graph)를 사용하여 맵 매칭 자세, LiDAR 관성 항법 오도메트리(LiDAR-inertial odometry), 그리고 전역 항법 위성 시스템(global navigation satellite system) 정보를 결합한다. 실험적 검증은 대학 캠퍼스의 야외 환경에서 변화하거나 동적인 환경을 포함하는 서로 다른 3가지 시나리오에 대해 성공적으로 수행되었다. 제안한 방법의 성능을 세 가지 LiDAR 기반 위치 현지화 방법과 비교하였다. 실험 결과는 다양한 야외 환경에서 맵 매칭 자세가 부정확하더라도 견고한 위치 현지화 성능을 달성할 수 있음을 보여준다. 실험 영상은 https://youtu.be/L6p8gwxn4ak 에서 확인할 수 있다.

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