프로젝트 소개
본 과제는 알려지지 않은 공간에서 로봇이 자신의 위치와 지도를 점진적으로 추정하는 SL2M(Simultaneous Learning, Localization and Mapping)을 제안하는 연구임.
연구 목표는 SLAM과 딥러닝 양방향 연동으로 자율주행의 환경인식 정확도·범위를 동시에 향상시키고 동적 환경에서도 강인한 동시적 학습·측위·맵 생성 기법을 개발하는 데 있음. 핵심 연구 내용은 RGB 영상·LiDAR Point Cloud 융합 Object Classification 및 Tracking, Supervised Incremental 객체 학습의 Self-Training 및 Automated Annotation, 시멘틱 객체 기반 Loop Closure 검출(Factor Graph SLAM)과 날씨·계절 변화 대응, Graph Optimizer 기반 Back-End 최적화 구현임. 기대 효과는 GPS 의존을 줄이며 동적 객체·환경 변화에 강한 고수준 자율주행(Level 3 이상)과 Indoor/Outdoor MAV, 재난구조, AR 등 확장 가능한 원천기술 확보임.