RGB-D 기반 모바일 로봇 환경 인식 및 SLAM 고도화

Mobile Robot Environment Understanding and RGB-D SLAM Enhancement

연구 내용

RGB 카메라 기반 바닥/연석 영역 분할과 RGB-D의 유한 평면 피처 관계 최적화를 결합하여 모바일 로봇의 환경 인식과 위치추정을 고도화하는 연구

모바일 로봇이 도시 환경에서 주행 가능영역을 판단하도록 RGB 기반 street floor segmentation을 수행하고, Dynamic Context-based Refinement Module로 경계와 문맥 정보를 보강합니다. 동시에 RGB-D v-SLAM을 finite-plane (FP)-SLAM으로 확장하여 점-서펠 및 서펠-서펠 간 interfeature relationship을 잔차로 모델링하고, CPU 실시간 처리를 위해 최적화에서 Jacobian을 직접 구현합니다. 두 연구축은 서로 다른 입력(RGB, RGB-D)에서 의미 기반 분할과 기하 기반 위치추정으로 이어지며, 실내·실외 환경에서 로봇의 자율주행 알고리즘에 필요한 로컬/전역 단서를 제공합니다.

관련 프로젝트

3건

연구 흐름

2022년에는 도시 환경에서 wheel 제어와 이동 가능영역 추정에 필요한 street floor segmentation을 RGB 카메라로 수행하는 방법을 연구했습니다. 연속 프레임에서 문맥을 반영하는 분할 네트워크 구조를 보강하여 실사용 데이터에서 성능을 확인했습니다. 2024년에는 RGB-D 기반 v-SLAM을 finite-plane 관점으로 재구성하고, surfel 및 점 피처의 관계를 이용한 residual 구성과 최적화 가속을 통해 실시간 CPU 동작을 목표로 성능을 개선했습니다. 이후 분할 기반 환경 정보와 기하 기반 위치추정이 결합될 수 있는 로봇 인식 파이프라인을 지향하는 흐름으로 전개되었습니다.

활용 가능성

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

도시 환경 바닥/연석 분할
주행 가능영역 추정 전처리
CPU 실시간 SLAM 모듈
RGB-D 포즈 추정 안정화
실내 자율주행용 로컬 지도 갱신
협력 지도작성 데이터 단서 추출
모바일 로봇 내비게이션 고도화
문맥 기반 시각 분할 모델
기하 관계 기반 최적화 프레임워크
로봇 센서 입력 간 상호 보강