본 논문은 동시적 위치추정 및 지도작성(simultaneous localization and mapping, SLAM) 분야에서 다중 센서를 통합하는 최근 연구들을 설명한다. 이러한 연구는 자율주행과 같은 영역에서 높은 관심을 받고 있다. SLAM에서 흔히 사용되는 기본 센서인 LiDAR, 카메라, 관성측정장치(inertial measurement unit, IMU)는 단일 센서로 사용할 경우 각각 고유의 단점이 있다. 따라서 많은 SLAM 연구에서 이러한 한계는 서로를 보완하고 성능을 향상시키기 위해 서로 다른 센서를 융합함으로써 극복되며, 보다 정확한 상태 추정을 목표로 한다. 이 과정에서 각 센서로부터 얻은 정보를 최적화하기 위한 다양한 방법이 존재한다. 본 논문에서는 지도(MAP), 칼만 필터(Kalman Filter), MLE와 같은 센서 정보의 통합 방법을 설명하는 것을 목표로 한다. 또한 센서로부터 획득한 정보를 활용하는 연구들을 소개하고자 한다. 본 논문이 복수의 센서 정보가 이용 가능할 때 적용되는 센서 데이터 융합 방법의 유형을 이해하는 데 도움이 되기를 기대한다.

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