특허 개요
본 특허는 사람이 오가거나 물체 위치가 바뀌는 실내에서 이동 로봇이 자신의 위치를 추정하고 정적 환경 지도를 만드는 G2P-SLAM 기반 기술입니다. RGB-D 이미지와 휠 주행거리 데이터를 포함한 노드를 추적 일관성 조건으로 동일 장면별 그룹화한 뒤, 그룹 내부에서는 특징점 매칭의 상대 위치와 휠 주행거리 결과를 Mahalanobis 거리 및 만장일치 투표로 비교해 고-동적 물체 특징을 제거합니다. 재방문 구간에서는 그룹 간 제약조건을 분석해 저-동적 물체 관련 특징도 제외하고, 남은 정적 매칭 및 데드 레커닝 제약조건으로 포즈 그래프 최적화(PGO)를 수행해 3D 포인트 클라우드 지도를 생성합니다.
- 핵심 기능
로봇은 RGB-D 이미지와 휠 주행거리 데이터를 이용해 동일 장면의 노드를 묶고, 그룹 내 관측 중 움직이는 물체의 특징점을 매칭 일관성 및 가능도 비교로 판별해 제거합니다. 재방문 시에는 그룹 간 제약조건을 분석해 위치가 변한 저-동적 물체 특징을 제외한 후, 정적 물체 매칭 결과와 데드 레커닝 제약조건으로 전역 포즈를 최적화합니다.
- 차별 강점
기존 GP-SLAM은 동적 물체가 포함된 그룹의 제약조건을 함께 포기해 유효한 정적 특징까지 잃을 수 있었고, 일반 RGB-D SLAM은 정적 환경 가정 때문에 동적 특징이 잘못된 포즈 제약으로 남을 수 있었습니다. 본 기술은 그룹 내부의 고-동적 특징과 재방문 시 그룹 간 저-동적 특징을 선택적으로 프루닝해 정적 제약조건을 보존하며, 사전 객체 지식이나 학습 모델 없이 기하학적으로 처리하는 점이 차별점입니다.
- 활용 범위
기술·연구 측면에서는 RGB-D SLAM, 실내 자율주행 이동 로봇, GPS 음영 환경 위치 인식, 동적 환경의 3D 지도 구축 분야에 활용 가능하며, 사람·설비·적재물이 혼재한 공간의 위치 추정 고도화에 적용할 수 있습니다. 사업 측면에서는 서비스 로봇, 스마트 팩토리 물류·순찰 로봇, 실내 안내·청소 로봇 및 디지털 트윈용 공간 인식 솔루션으로 확장할 수 있습니다.
연구 개발 단계
G2P-SLAM의 고-동적·저-동적 물체 특징 제거와 3D 포인트 클라우드 지도 생성은 자체 및 공개 데이터 셋에서 RGB-D 이미지, 휠 주행거리 데이터, Ceres Solver 기반 최적화로 검증되었습니다. 실제 서비스 로봇·스마트 팩토리 환경의 장기 운용, 센서 조건 변화, 실시간 처리 성능 및 다양한 동적 객체 밀도에서의 정량 검증은 추가로 필요합니다.
- 검증 데이터: 자체 데이터 셋 및 공개 데이터 셋
- 비교 알고리즘: 기존 GP-SLAM 기반 알고리즘
- 입력·최적화 조건: RGB-D 이미지·휠 주행거리 데이터, Ceres Solver 기반 최적화
현재 성과
고-동적 물체와 저-동적 물체의 특징 및 제약조건을 단계적으로 제거해 동적 물체가 포즈 추정과 지도 생성에 미치는 영향을 줄입니다. 정적 물체 매칭과 데드 레커닝 제약조건을 활용해 위치 틀어짐을 줄인 3D 포인트 클라우드 지도 생성을 목표로 합니다. 실환경의 정량 성능은 PoC에서 확인이 필요합니다.
자체 데이터 셋과 공개 데이터 셋에서 RGB-D 이미지 및 휠 주행거리 데이터를 사용하고, Ceres Solver 기반 포즈 그래프 최적화를 적용해 검증했습니다. 기존 GP-SLAM 기반 알고리즘과 비교해 고-동적·저-동적 물체 특징 제거 및 지도 생성 결과를 확인했습니다. 다양한 센서 조건과 장기 운용 환경에서의 재현성은 추가 검증이 필요합니다.
기존 방식은 동적 물체가 포함된 노드 그룹 전체를 제외해 정적 특징까지 함께 버릴 수 있었습니다. 본 기술은 동일 장면 그룹 내에서는 매칭 일관성과 Mahalanobis 거리 기반 투표로 고-동적 특징을 제거하고, 재방문 그룹 간에는 저-동적 특징 제약을 제거합니다. 동적 특징을 구분하면서 정적 제약조건을 보존해 전역 최적화에 사용하는 구조가 핵심 차별점입니다.
상용화까지 남은 부분
실제 서비스 로봇·스마트 팩토리 환경에서의 대규모·장기 운용 검증
조도·깊이 측정 품질·휠 주행거리 오차 등 센서 조건 변화에 대한 재현성 검증
실시간 처리 성능과 다양한 동적 객체 밀도에서의 정량 성능 검증
기술 이전 형태·도입 과정
도입은 이렇게 진행됩니다.
검토 미팅
귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.
PoC 공동 검증
연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.
라이센싱 계약
PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.
기술지도·후속
도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.
특허 정보
고-동적 물체 및 저-동적 물체가 존재하는 환경에서의 이동 로봇의 위치 추정 및 정적 환경 지도 생성 방법 및 장치
10-2022-0154103 (2022.11.17)
1020240072475 (2024.05.24)
미등록 (심사 중)
명현 (한국과학기술원), 송승원 (한국과학기술원)
한국과학기술원