동적·장기 환경을 고려한 라이다 라이플롱 매핑 연구

LiDAR Lifelong Mapping for Dynamic and Long-term Environments

연구 내용

동적 객체로 오염된 관측을 정적 지도에서 분리하고, 멀티 세션과 변화 관리로 장기 3D 지도를 갱신하는 연구입니다.

본 연구는 비정상 야외 환경에서 장기 3D 지도를 안정적으로 유지하기 위한 방법을 다룹니다. 동적 객체가 포함된 관측에서 정적 포인트를 보수적으로 유지한 뒤, 멀티해상도 range image 기반의 false prediction reverting으로 불확실한 정적 포인트를 점진 복원하여 지도 품질을 개선합니다. 또한 라이플롱 매핑을 멀티세션 SLAM, 동적 변화 탐지(고/저 동적), 변화의 양·음 관리로 분해하여 메모리와 계산 비용을 제어하면서 대규모 포인트클라우드 지도에서 객체를 자동 분리하는 구조를 제안합니다.

관련 프로젝트

0건

연구 흐름

초기에는 동적 환경에서 정적 지도 구성의 핵심 문제인 포즈 불완전성에 의한 오차를 줄이기 위해, 쿼리-맵 연관 창 크기를 조절하는 방식의 false prediction reverting을 통해 정적 포인트 복원을 수행했습니다. 이후에는 라이플롱 관점의 3D 지도 관리를 위해 문제를 멀티세션 SLAM과 변화 탐지·변화 관리로 분해하고, 자동 객체 분리와 비용 효율화를 중심으로 확장했습니다. 연구는 일(day) 단위부터 연(year) 단위까지 시간 간격이 다른 현장 실험으로 신뢰성과 적용성을 검증하는 흐름으로 이어졌습니다.

활용 가능성

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

정적 포인트 기반 지도 정제
동적 객체 제거
멀티해상도 range image 처리
변화 탐지(고/저 동적)
양·음 변화 관리
대규모 포인트클라우드 객체 분리
메모리 효율 맵 운용
세션 간 정합 오차 보정
장기 지도 갱신 파이프라인
시간 변화 모니터링