장기적인 3D 맵 관리(long-term 3D map management)는 로봇이 비정적인(non-stationary) 실제 환경에서 신뢰성 있게 항법할 수 있도록 하기 위해 필요한 핵심 역량이다. 본 논문은 도시 환경 현장을 위한 오픈 소스 기반의 모듈형이며 즉시 활용 가능한 LiDAR 기반 평생 지도(lifelong mapping)를 개발한다. 이를 위해 문제를 연속적인 하위 문제들로 분해하여 해결한다: 다중 세션 SLAM(multi-session SLAM; MSS), 고/저 동적 변화 감지(high/low dynamic change detection), 그리고 양/음 변화 관리(positive/negative change management)이다. 제안 방법은 MSS를 활용하고 잠재적 경로(trajectory) 오차를 최소화하므로, 변화 감지를 위해 수동 또는 양호한 초기 정렬(alignment)이 필요하지 않다. 또한 변화 관리(change management) 기법은 메모리와 연산 비용 모두에서 효율성을 보존하여, 대규모 점군(point cloud) 맵으로부터 객체를 자동으로 분리(segregation)한다. 우리는 다기간(하루~연도)의 다양한 시간 간격(temporal gaps)을 포함하는 광범위한 실제 환경 실험을 통해, 연중 규모의 영구적 연차 수준 변동(permanent year-level variation) 하에서도 제안된 프레임워크의 신뢰성과 적용 가능성을 검증한다.

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