라이더 슬램과 비주얼 슬램의 완전한 소개 및 비교

에 게시됨 by Aileen

SLAM(동시 측위 및 매핑)은 로봇이나 다른 장치가 센서 측정을 통해 미지의 환경에서 실시간으로 지도를 만들고 위치를 파악할 수 있는 기술로, 자율주행, 드론 내비게이션, 산업용 로봇, 스마트 기기 등의 핵심 기술 중 하나입니다. 센서와 알고리즘의 발전에 따라 SLAM 기술은 레이저 SLAM, 비전 SLAM, 광선-비전 융합 SLAM, 다중 센서 SLAM 등 다양한 구현 방식으로 발전해 왔습니다.

SLAM 문제 원인

자율 주행 기술은 로봇의 핵심 기술로, 로봇이 자율 주행을 실현하기 위해서는 다음 세 가지 문제를 해결해야 합니다:

📢: 1. 여기가 어디죠?

📢: 2. 어디로 갈까요?

📢: 3. 어떻게 가나요?

첫 번째 질문은 마지막 두 질문의 기초가 되며, 자신이 어디에 있는지조차 모른다면 어떻게 가야 할 방향을 결정할 수 있을까요? SLAM은 첫 번째 문제를 해결하기 위한 해결책 중 하나입니다.

1887년 스미스 등은 동시 측위와 매핑 방법을 제안하여 동시 측위와 지도 구축 연구의 서막을 열었습니다.

일반적으로 SLAM 시스템에는 일반적으로 여러 센서와 여러 기능 모듈이 포함되어 있습니다. 핵심 기능 모듈에 따라 일반적인 로봇용 SLAM 시스템은 두 가지 형태가 있습니다: LIDAR 기반 SLAM(레이저 SLAM)과 비전 기반 SLAM(비주얼 SLAM 또는 VSLAM)입니다. 우리는 로봇 제조업체로서 고객에게 로봇 설계, R&D, SMT 및 대량 생산 서비스를 제공합니다.

포지셔닝과 지도 구축의 관계

미지의 환경에서 정확한 위치 파악과 지도 구축을 달성하려면 정확한 지도가 필요하고 정확한 지도를 구축하고 정확한 위치에 의존하여 일종의 상호 결합, 상호 보완 관계를 형성합니다.

1. 라이더 슬램

Laser SLAM은 고정밀 측위 및 지도 구축을 위해 LiDAR(레이저 레이더)를 사용하여 환경의 장애물, 지형, 물체를 레이저 스캔하여 3D 포인트 클라우드 데이터를 생성하는 시스템입니다. 레이저 SLAM은 로봇 공학, 무인 자동차, 지형 스캐너와 같은 애플리케이션에 널리 사용됩니다.

📢 : 레이저 SLAM은 이전의 거리 측정 기반 측위 방법(예: 초음파 및 적외선 단일 지점 거리 측정)과 분리되어 있습니다. LIDAR(빛 감지 및 거리 측정)의 출현과 대중화로 인해 더 빠르고 정확하며 유익한 측정이 가능해졌습니다. LiDAR로 수집된 물체 정보는 정확한 각도와 거리 정보를 가진 일련의 흩어진 점으로 표시되며, 이를 포인트 클라우드라고 합니다. 일반적으로 레이저 SLAM 시스템은 서로 다른 순간에 두 개의 포인트 클라우드를 일치시키고 비교하여 동작에 대한 LiDAR의 거리와 자세 변화를 계산하며, 로봇 자체의 위치 파악도 수행합니다.

📢: 라이다가 수집한 물체 정보는 정확한 각도와 거리 정보를 가진 일련의 분산된 점으로 표시되며, 이를 포인트 클라우드라고 합니다. 일반적으로 레이저 SLAM 시스템은 로봇 자체의 측위를 완료하기 위해 서로 다른 순간에 두 개의 포인트 클라우드를 일치시키고 비교하여 동작에 대한 LIDAR의 거리와 자세 변화를 계산합니다.

장점: LiDAR 거리 측정이 더 정확하고 오류 모델이 간단하며 직사광선이 아닌 환경에서도 작동이 안정적이며 포인트 클라우드 처리가 비교적 쉽습니다. 동시에 포인트 클라우드 정보 자체에 직접적인 기하학적 관계가 포함되어 있어 로봇 경로 계획 및 탐색이 직관적으로 이루어집니다. 레이저 SLAM 이론 연구도 비교적 성숙하고 착륙 결과물도 더 풍부합니다.

라이더 슬램의 장점

  1. LiDAR의 등장과 대중화로 인해 측정이 더 빠르고 정확하며 더 많은 정보를 얻을 수 있게 되었습니다.
  2. 오류 모델은 직사광선이 아닌 환경에서도 간단하고 안정적이며 포인트 클라우드 처리가 비교적 쉽습니다.
  3. 포인트 클라우드 정보 자체에 직접적인 기하학적 관계가 포함되어 있어 로봇의 경로 계획 및 탐색이 직관적으로 이루어집니다.
  4. 성숙한 연구, 알고리즘의 문턱 낮추기

라이더 슬램의 단점

  1. 루프백 감지 기능이 부족하여 누적 오류를 제거하기가 더 어렵습니다.
  2. 비용은 시각 센서보다 높습니다.
  3. 동적 환경에서는 로컬라이제이션에 능숙하지 않습니다.
  4. 멀티 로봇 협업이 원활하지 않습니다.

2. 비주얼 슬램

시각 SLAM은 카메라를 주 센서로 사용하여 지도를 구성하고 캡처한 이미지 정보로 측위를 수행합니다. 카메라를 저비용 센서로 사용하는 비전 SLAM은 최근 몇 년 동안 뜨거운 연구 주제가 되었으며 특히 소비자 드론과 AR/VR 기기에서 널리 사용되고 있습니다.

카메라를 환경을 감지하는 유일한 센서로 사용하는 것을 비전 SLAM이라고 하며, 미지의 환경에서 미지의 위치에서 출발하여 이동하면서 주변 환경 특징(표지판)을 반복적으로 관찰하여 자신의 위치와 태도를 찾고, 자신의 위치를 기반으로 점진적으로 지도를 구축하여 현지화와 지도 구축을 동시에 달성하는 방식입니다. VSLAM 시스템은 프론트 엔드와 백엔드로 구성되며, 프론트 엔드는 빠른 측위를 담당합니다. 백엔드는 1. 원래 위치로 돌아가서 두 방문 사이에 각 위치의 위치와 태도를 수정하는 루프백, 2. 프론트엔드 추적이 손실된 경우 비전의 텍스처 정보를 기반으로 로봇의 재위치화 등 느린 지도 유지 관리를 담당합니다.

루프백 문제의 어려움은 로봇이 루프를 한 바퀴 돌 때까지 처음에 감지되지 않은 작은 오류가 발생하고 오류가 누적되어 루프가 닫히지 않는 문제로 이어진다는 점입니다.

비주얼 슬램의 이점

시각 SLAM은 카메라를 주 센서로 사용하여 지도를 구성하고 캡처한 이미지 정보로 측위를 수행합니다. 카메라를 저비용 센서로 사용하는 비전 SLAM은 최근 몇 년 동안 뜨거운 연구 주제가 되었으며 특히 소비자 드론과 AR/VR 기기에서 널리 사용되고 있습니다.

카메라를 환경을 감지하는 유일한 센서로 사용하는 것을 비전 SLAM이라고 하며, 미지의 환경에서 미지의 위치에서 출발하여 이동하면서 주변 환경 특징(표지판)을 반복적으로 관찰하여 자신의 위치와 태도를 찾고, 자신의 위치를 기반으로 점진적으로 지도를 구축하여 현지화와 지도 구축을 동시에 달성하는 방식입니다. VSLAM 시스템은 프론트 엔드와 백엔드로 구성되며, 프론트 엔드는 빠른 측위를 담당합니다. 백엔드는 1. 원래 위치로 돌아가서 두 방문 사이에 각 위치의 위치와 태도를 수정하는 루프백, 2. 프론트엔드 추적이 손실된 경우 비전의 텍스처 정보를 기반으로 로봇의 재위치화 등 느린 지도 유지 관리를 담당합니다.

루프백 문제의 어려움은 로봇이 루프를 한 바퀴 돌 때까지 처음에 감지되지 않은 작은 오류가 발생하고 오류가 누적되어 루프가 닫히지 않는 문제로 이어진다는 점입니다.

시각적 슬램 단점

  1. 빛의 영향을 더 많이 받습니다.
  2. 는 질감이 없는 환경(예: 깔끔한 흰색 벽을 마주하고 있는 경우)에서는 성능이 저하됩니다.
  3. 비선형 최적화에 기반한 지도 구축은 매우 복잡하고 시간이 많이 소요되는 계산 문제입니다.

3. 라이다 슬램과 비주얼 슬램의 융합 3.

레이-비전 퓨전 SLAM은 레이저의 정확도와 카메라의 풍부한 시각 정보를 결합하여 라이다와 카메라의 데이터를 융합함으로써 보다 강력한 위치 파악 및 지도 구축을 달성합니다. 이 융합은 복잡한 환경에서 성능을 향상시키며 특히 자율 주행 분야에서 널리 사용되고 있습니다.

장점과 단점

  • 성능 향상: 레이저의 높은 정밀도와 시각의 풍부한 정보를 결합하여 빛과 동적인 장애물과 같은 환경에서 시스템이 더욱 안정적으로 작동합니다.
  • 높은 계산량: 여러 데이터 소스가 통합되어 있기 때문에 실시간 처리의 계산 복잡도가 높습니다.

4. 멀티 센서 슬램

다중 센서 SLAM은 여러 센서(IMU, 카메라, LIDAR 등)의 데이터를 결합하여 다양한 소스의 정보를 융합함으로써 고정밀 측위 및 지도 구축을 달성합니다. 다중 센서 SLAM은 견고하고 폭넓은 적응성으로 인해 로봇 내비게이션 및 무인 주행에 중요한 기술이 되었습니다.

SLAM(동시 측위 및 매핑) 시스템은 센서 측정 데이터를 결합하여 로봇이 자율 측위와 환경 지도 구축을 동시에 수행할 수 있는 기술입니다. 현실적인 레이저 및 비전 SLAM 시스템에는 관성 요소, 터빈 주행 거리계, 위성 위치 시스템, 실내 기지국 위치 시스템과 같은 보조 측위 도구가 거의 항상 장착되어 있습니다.

SLAM 시스템은 일반적으로 다음 센서를 기반으로 융합됩니다:

관성 측정 장치(IMU): IMU는 로봇의 가속도 및 각속도 측정값을 제공하여 로봇의 자세와 위치 변화를 추정하는 데 사용됩니다. 다른 센서에 비해 IMU는 고주파수에서 측정할 수 있지만 드리프트와 같은 문제가 발생할 수 있습니다.

비전 센서: 카메라, 심도 카메라 등이 포함됩니다. 비전 센서를 사용하여 환경의 특징을 추출하고 추적함으로써 환경 내 로봇의 위치 및 지도 정보를 얻을 수 있습니다. 비전 센서는 풍부한 지각 정보를 제공할 수 있지만 빛이나 폐색과 같은 문제에 민감합니다.

라이다: 라이다는 레이저 빔을 방출하고 반사되는 빛을 측정하여 환경에 대한 기하학적 정보를 얻습니다. 라이다는 매우 정확한 거리와 위치 측정을 제공하며 지도 구축 및 장애물 감지에 사용할 수 있습니다. 하지만 LIDAR는 일반적으로 더 비싸고 크기가 크며 특히 밝거나 어두운 물체에는 한계가 있을 수 있습니다.

범위 센서: 초음파 센서 및 적외선 센서와 같은 센서는 로봇과 주변 물체 사이의 거리를 측정하는 데 사용됩니다. 범위 센서는 일반적으로 근거리 장애물 회피 및 환경 모델링에 사용되지만 정확도와 범위가 제한적입니다.

여러 센서의 데이터를 융합하면 다양한 센서의 장점을 결합하여 측위 및 지도 구축의 정확성과 견고성을 향상시킬 수 있습니다. 일반적으로 사용되는 방법에는 확장 칼만 필터(EKF), 파티클 필터, 최적화 방법(예: 그래프 최적화)이 있습니다. 이러한 방법은 다양한 센서에서 얻은 정보를 융합하고 상태 추정 및 지도 구축을 수행하여 SLAM 시스템의 기능을 실현할 수 있습니다.

장점과 단점

  • 적응성: 다중 센서 SLAM은 다양한 환경에 따라 여러 센서를 결합하고 사용하여 보다 정확하고 강력한 로컬라이제이션을 달성할 수 있습니다.
  • 중복 정보: 다중 센서 융합은 시스템의 내결함성을 개선하고 시스템의 견고성을 향상시킬 수 있습니다.
  • 복잡성: 다중 센서 융합에는 다양한 유형의 센서에 대한 데이터 보정 및 동기화가 필요하므로 시스템 설계의 복잡성이 증가합니다.

SLAM의 미래

알고리즘 효율성 및 실시간

자율 주행, 무인 항공기 및 소비자 가전 기기에서 SLAM이 널리 사용됨에 따라 SLAM 알고리즘의 실시간 및 계산 효율성이 연구 우선순위가 되었습니다. 다중 센서 융합의 복잡성과 방대한 데이터 처리량을 처리하기 위해 미래의 SLAM 알고리즘은 하드웨어 가속(예: GPU, FPGA) 및 분산 컴퓨팅에 더 많이 의존해야 할 것입니다.

견고성 및 환경 적응

도시 거리, 실내외 전환 장면 등 복잡하고 동적인 환경에서의 SLAM 기술의 견고성은 더욱 개선되어야 합니다. 앞으로 SLAM 알고리즘은 시스템의 적응력을 높이기 위해 동적 장애물, 조도 변화, 텍스처가 없는 환경에 대한 견고성에 더 많은 주의를 기울일 것입니다.

시맨틱 슬램

기존의 SLAM은 주로 기하학적 정보 구축에 중점을 두었지만, 미래의 SLAM은 점차 의미론적 이해, 즉 지도 구축 과정에서 시스템이 기하학적 지도를 구축할 뿐만 아니라 지도의 의미론적 정보(예: 건물, 도로 표지판, 차량 등)도 인식할 수 있도록 점차 통합할 것입니다. 이는 자율주행 및 서비스 로봇 분야에서 SLAM의 활용 가치를 크게 높여줄 것입니다.

멀티모달 센서 융합

센서 기술의 발전으로 미래의 SLAM 시스템은 레이저, 비전, 레이더, 초음파, IMU 등 멀티모달 센서의 융합에 더 많이 의존하여 전방위적인 다차원 데이터 감지를 실현함으로써 SLAM 시스템의 정확성과 견고성을 더욱 향상시킬 것입니다.

가볍고 낮은 전력 소비

임베디드 시스템과 소비자용 디바이스(예: AR/VR, UAV)의 경우, SLAM 기술은 제한된 컴퓨팅 리소스로 효율적인 작동을 달성해야 합니다. 향후 SLAM 알고리즘은 임베디드 하드웨어 플랫폼의 요구 사항에 맞게 경량 및 저전력 설계에 더 많은 관심을 기울일 것입니다.

대상 산업

SLAM 기술은 다음을 포함하되 이에 국한되지 않는 여러 산업 분야에서 널리 사용되고 있습니다:

자율 주행: SLAM 기술은 LIDAR, 비전 및 IMU를 융합하여 자율주행 차량이 복잡한 도시 환경에서 고정밀 위치 파악 및 내비게이션을 수행할 수 있도록 지원합니다.

로봇 내비게이션: 산업용 및 서비스 로봇은 SLAM 기술을 사용하여 알 수 없는 환경에서 자율 탐색 및 작업 수행을 수행합니다. 비주얼 로봇 잔디 깎는 기계 는 카메라를 내비게이션 및 매핑에 사용합니다.

드론: SLAM 기술은 특히 GPS 신호가 약하거나 효과가 없는 환경에서 드론의 자율 비행 및 내비게이션에 중요한 역할을 합니다.

AR/VR: 증강 현실 및 가상 현실 디바이스는 실시간 환경 인식과 가상 장면 오버레이를 구현하기 위해 SLAM 기술이 필요합니다.

요약

SLAM 기술은 자율주행, 로봇, 드론과 같은 오늘날의 지능형 디바이스의 핵심 기술입니다. 센서의 발전과 알고리즘의 개발로 레이저 SLAM, 비전 SLAM, 광선-비전 융합 SLAM, 다중 센서 융합 SLAM은 다양한 시나리오에서 고유한 장점을 보여주었습니다. 앞으로 SLAM 기술은 더 높은 정확도, 실시간, 견고성, 멀티모달 융합을 향해 발전하여 다양한 산업에 더욱 안정적이고 효율적인 솔루션을 제공할 것입니다.

맞춤형 모바일 로봇 및 로봇 모어를 원하시면 저희에게 연락하십시오.

연락처 양식 바닥글