정확한 상태 추정은 자율 농업 로봇의 신뢰할 수 있는 운영에 필수적이다. 상태 추정의 효과는 센서 융합 알고리즘, 환경, 센서 품질과 같은 여러 요인의 영향을 받는다. 로봇이 대규모 시나리오에서 주행할 때, 이동 거리와 고속 기동은 추정 과정에서 드리프트를 유발하며 이는 신중히 고려되어야 한다. 또한 센서의 시간에 따라 변하는 잡음은 주행거리계(odometry) 정확도에 추가적으로 영향을 주며, 특히 장거리 이동에서 두드러지게 나타난다. 본 연구는 농업 응용에 중점을 두고, 고르지 않은 지형을 포함한 대규모 비정형 환경에서의 다중 제약 기반 상태 추정과 관련된다. LiDAR-IMU 기반 융합을 사용하여, 농경지와 같은 복잡한 환경에서 신뢰할 수 있고 정확한 위치추정(localization) 솔루션을 제공하는 것을 목표로 한다. 더 나아가 농업 환경은 고르지 않은 지형과 특징점의 부족으로 인해 더욱 어려워진다. 본 연구는 이러한 도전 과제를 해결하기 위해 인자 그래프(factor graph) 기반 최적화와 적응형 칼만 필터(adaptive Kalman filtering)를 결합한 하이브리드 프레임워크를 제안한다. 또한 성능 평가는 농업 환경에서 자체 수집한 데이터셋뿐 아니라 GRACO & KITTI와 같은 공개 접근 데이터셋에서도 수행한다.

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