Multi-sensor Fusion for Mobile Robot Localization and Odometry
연구 내용
LiDAR-비전-IMU 및 IMU-휠 엔코더를 센서 융합과 팩터 그래프 최적화로 결합해 이동로봇의 강인한 위치추정과 오도메트리를 구현하는 연구
이동로봇 내비게이션에서 센서 환경 변화와 잡음·고장에 강인한 위치추정을 목표로 합니다. LiDAR-visual-inertial을 tight/tightly coupled 방식으로 결합하고, 불확실성 입력 공분산 및 센서 실패를 고려한 관측 모델을 학습·적응화합니다. 또한 factor graph 기반 smoothing과 상태추정 프레임을 통해 융합 일관성과 경로 드리프트를 완화합니다. 지형이 거칠고 특징이 부족한 무정형 환경에서도 안정적으로 동작하도록 농업·실외 시나리오 검증을 수행합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
4건
연구 흐름
초기에는 IMU와 wheel encoder처럼 intrinsic sensor만으로도 textureless·structureless 환경에서 관측 및 잡음 모델을 적응형 factor graph 최적화에 결합하는 연구를 수행했습니다. 이후 multi-sensor 구성을 확장하여 LiDAR-visual-inertial 및 IMU 보강 tightly coupled odometry를 구성하고, 강인성을 높이기 위한 학습 기반 관측 모델과 smoothing 전략을 적용했습니다. 2024년 이후에는 산업 및 농업 환경을 대상으로 다중 제약 기반의 localization을 도입해 장거리 주행에서의 drift와 시간변화 잡음을 다루는 방향으로 심화했습니다. 최근에는 무정형 험지 UGV 자율주행 과제와 연계하여 실사용 시나리오 적용을 강화하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Fusion consistency for industrial robot navigation: An integrated SLAM framework with multiple 2D LiDAR-visual-inertial sensors
Learning Type-2 Fuzzy Logic for Factor Graph Based-Robust Pose Estimation With Multi-Sensor Fusion
IMU Augment Tightly Coupled Lidar-Visual-Inertial Odometry for Agricultural Environments
Learning Observation Model for Factor Graph Based-State Estimation Using Intrinsic Sensors
A Robust LiDAR-Inertial Multi Constraint-Based Localization for Agricultural Environments
관련 프로젝트
구분
제목
건설현장에서 활용 가능한 비정형 공간에서의 자율주행을 구현한 무인지상차량(UGV)
비정형 험지 환경에서 신속하고 안전한 자율주행을 위한 모빌리티 기술
비정형 험지 환경에서 신속하고 안전한 자율주행을 위한 모빌리티 기술
비정형 험지 환경에서 신속하고 안전한 자율주행을 위한 모빌리티 기술