의미론적 로컬라이제이션과 3D 매핑을 위한 장기 SLAM

Long-term SLAM with Semantic Localization and 3D Mapping

연구 내용

의미론적 단서와 전역 일관성 정보를 결합해 장기자율주행의 루프클로저 및 3D 매핑을 안정화하는 연구

장기 자율주행에서 광조건·시점 변화와 동적 객체로 인해 루프클로저가 불안정해지는 문제를 다룹니다. 시각적 의미 정보를 활용해 coarse-to-fine loop closure를 수행하고, local feature 불변성과 semantic region의 전역 유사도를 융합해 재이동 성능을 높입니다. 또한 multi-sensor 융합 기반 SLAM에서 조밀한 3D Gaussian map을 구성하고, 시맨틱 정보를 매칭 입력으로 통합해 복잡한 실내 장면의 포즈추정 정확도를 개선합니다. 실시간성 확보를 위한 매칭 및 렌더링 처리 흐름도 함께 고려합니다.

관련 프로젝트

1건

연구 흐름

처음에는 visual SLAM에서 루프클로저가 실패하는 장기 환경 조건을 분석하고, 의미 기반 descriptor를 도입해 coarse-to-fine 검출 구조를 설계했습니다. 이후 3D Gaussian 표현을 활용한 real-time photorealistic mapping 및 multi-sensor tightly coupled odometry로 확장하여, 다운스트림 태스크를 위한 강인한 이동 궤적 생성을 목표로 했습니다. 2025년에는 동적 장면 변화에 대응하기 위해 semantic-augmented 3D Gaussian splatting 기반 시각 로컬라이제이션을 구축하고, Gaussian map에서 생성한 관점과 렌더링 기반 비교로 매칭 신뢰도를 개선했습니다. 이러한 연구 흐름은 의미론적 공간 정보 인식 및 고밀도 지도 작성 과제와 연결됩니다.

활용 가능성

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

의미론적 고밀도 지도 생성
장기자율주행 루프클로저 검출
3D Gaussian 기반 실시간 맵
시맨틱 기반 매칭 전략
동적 장면 강인 포즈추정
전역 일관성 보정
대규모 환경 재이동 성능 향상
포토리얼 렌더링 지도 제작
의미 영역 기반 위치 인증
자율주행용 고정밀 장면 재구성