SLAM Engineer

๐ŸŒˆ ํ•™๊ณ„์—์„œ ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๊ฐ€ ๋˜๋Š” ๋ฒ•


๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋ž€

  • ํŠน์ • ๋ฌธ์ œ์— ๋Œ€ํ•ด ๊ฐ€์žฅ ๋จผ์ € ๋– ์˜ค๋ฅด๋Š” ํ•ด๊ฒฐ์ฑ…์ด๋‹ค.
  • ๋”ฐ๋ผ์„œ ๊ตฌ๋งค์ž๋Š” ์ ๊ทน์ ์œผ๋กœ ๋‹น์‹ ์„ ์ฐพ๋Š”๋‹ค.

์ธ์‚ฌ์ดํŠธ๋Š” ์–ด๋–ป๊ฒŒ ์–ป์„ ์ˆ˜ ์žˆ์„๊นŒ?

  • ์ตœ๊ทผ ํšŒ์‚ฌ์˜ ์—ฐ๊ตฌ์ธํ„ด๋ถ„๊ณผ ์ด์•ผ๊ธฐ๋ฅผ ํ•˜๋‹ค๊ฐ€ ์–ด๋–ป๊ฒŒ ์ธ์‚ฌ์ดํŠธ๋ฅผ ์–ป์„ ์ˆ˜ ์žˆ๋ƒ๋Š” ์งˆ๋ฌธ์„ ๋“ค์—ˆ๋‹ค.
  • ๊ธ€์Ž„์š” โ€ฆ
  • ๋‚ด๊ฐ€ ๋จน์€ ์Œ์‹์ด ๊ณง ๋‚ด ๋ชธ์ด๋‹ค ๋ผ๋Š” ๋ง์ด ์žˆ๋‹ค.
    • ๋น„์Šทํ•˜๊ฒŒ, == ๋‚ด๊ฐ€ ์ฝ๊ณ  ๋ณธ ๊ฒƒ๋“ค์˜ linear combination์ด ๋‚ด ์ธ์‚ฌ์ดํŠธ์˜ ์ถœ์ฒ˜๊ฐ€ ์•„๋‹๊นŒ?
      • ๋ง์žฅ๋‚œ: ์ˆ˜ํ•™์ ์œผ๋กœ, ๋‚˜์˜ rank(ing)๋ฅผ ๋†’์ด๊ธฐ ์œ„ํ•ด์„œ๋Š” independent ํ•œ axis์˜ basis ๋“ค์„ ํ•˜๋‚˜๋ผ๋„ ๋” ๊ฐ–์ถ”์–ด์•ผ ํ•˜๊ธฐ ๋•Œ๋ฌธ์—, ๋‹ค์–‘ํ•œ ๋ถ„์•ผ ์ฑ…์„ ์ฝ๋Š”๊ฒŒ ๋„์›€์ด ๋œ๋‹ค! :)
    • ๊ทธ๋ž˜์„œ ํšŒ์‚ฌ์—์„œ ํ•œ ๋‹ฌ์— 30์„ ์ž๊ธฐ๊ณ„๋ฐœ๋น„๋กœ ์ค˜์„œ ๋•๋ถ„์— ์ฑ…๋“ค์„ ์ž˜ ์‚ฌ ์ฝ๊ณ  ์žˆ๋‹ค.
  • ์•”ํŠผ ๋ฐฉ๊ธˆ์ฒ˜๋Ÿผ, ํ•˜๋‚˜์˜ ๋ฌธ์žฅ์„ ๋‹ค๋ฅธ isomorphic (๋™ํ˜•) ํ•œ ๋ฌธ์žฅ์œผ๋กœ ๋ณ€ํ˜•ํ•ด๋ณด๋Š” ์ผ์„ ์ž์ฃผ ํ•ด๋ณธ๋‹ค.
    • ์™œ? ๊ทธ๊ฒƒ์ด ์ธ์‚ฌ์ดํŠธ๋ฅผ ์–ป๋Š” ํ›ˆ๋ จ๋ฐฉ์‹์ด๋ผ๊ณ  ์ƒ๊ฐํ•˜๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค.
  • ๊ทธ๋Ÿฐ ์˜๋ฏธ์—์„œ ์ตœ๊ทผ ์ฝ์€ ์ฑ… <๊ณ ๊ฐ์ด ์ฐพ์•„์˜ค๋Š” ๋ธŒ๋žœ๋“œ๋Š” ๋ฌด์—‡์ด ๋‹ค๋ฅธ๊ฐ€> (ํ…Œ๋ ˆ์‚ฌ M. ๋ฆฌ๋‚˜ ์ง€์Œ, ๋ฐ•์„ธ์—ฐ ์˜ฎ๊น€) ์„ ํ•™๊ณ„ ๋ฒ„์ „์œผ๋กœ ์ƒ๊ฐํ•ด๋ณด์•˜๋‹ค.
    • ํ›ˆ๋ จ๋ฒ•: ์ฑ…์—์„œ ์–ด๋–ค ๋ฌธ์žฅ์„ ์ฐพ๊ณ , ๊ทธ๊ฒƒ์„ ๋ช‡ ๊ฐ€์ง€ ๋‹จ์–ด๋งŒ ๋ฐ”๊พธ์–ด์„œ ๋‚˜์—๊ฒŒ ์ ์šฉํ•ด๋ณด์ž.

์™œ ์ธ์‚ฌ์ดํŠธ๋ฅผ ์–ป์–ด์•ผ ํ•˜์ง€?

  1. ์‚ด์•„๋‚จ๊ธฐ ์œ„ํ•ด์„œ!
  2. ์˜ฌ๋ฐ”๋ฅธ ์ธ์žฌ์™€ ์˜ฌ๋ฐ”๋ฅธ ๊ณ ๊ฐ์„ ์œ„ํ•ด ์˜ฌ๋ฐ”๋ฅธ ์ผ์„ ํ•˜๊ธฐ ์œ„ํ•ด์„œ!

  • ์žก๋งˆ์ผ“์—์„œ ์ž์‹ ์„ ์ง€์†์ ์œผ๋กœ ๋†’์€ ๊ฐ€์น˜/๊ฐ€๊ฒฉ์— ํ™๋ณดํ•˜๋Š” ๋ฐฉ๋ฒ•์€, ์†Œ๋น„์ž์—๊ฒŒ ์ง€์†์ ์œผ๋กœ ์„ ํƒ์„ ๋ฐ›๋Š” ์‚ด์•„๋‚จ๋Š” ๋ธŒ๋žœ๋“œ๋“ค์ด ํ•˜๋Š” ์ผ๊ณผ isomorphic ํ•œ ๋“ฏํ•˜๋‹ค.

๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ vs ๋ฏธ-ํˆฌ ๋ธŒ๋žœ๋“œ

  • ์ฑ…์—์„œ๋Š” ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ ์™€ ๋ฏธ-ํˆฌ ๋ธŒ๋žœ๋“œ ๋ผ๋Š” ๋‹จ์–ด๊ฐ€ ๊ณ„์†ํ•ด์„œ ๋‚˜์˜จ๋‹ค.
    • ๊ฐ„๋‹จํžˆ ๋งํ•˜์ž๋ฉด ์ œ๊ณตํ•˜๋Š” ๊ฐ€์น˜์˜ ๋ถ„๋ช…ํ•œ ์ฐจ๋ณ„ํ™” ์—ฌ๋ถ€์— ๊ด€ํ•œ ์ด์•ผ๊ธฐ์ด๋‹ค.
  • ์•ž์œผ๋กœ ๋„ค๋ชจ ๋ฐ•์Šค ์•ˆ์— ๋‚˜์˜ค๋Š” ๋ง๋“ค์€ ๋ชจ๋‘ ์ธ์šฉ์ด๋‹ค.
์‹œ์žฅ์ด์•ผ๋ง๋กœ ์œ ์ผํ•˜๊ณ  ์ค‘์š”ํ•œ ๊ธฐ์ค€์ด๋‹ค. ์„ฑ์ˆ™ํ•œ ์‹œ์žฅ์€ ๊ฒฝ์Ÿ์ด ์น˜์—ดํ•˜๋‹ค. ๊ณต๊ธ‰์€ ์ˆ˜์š”๋ฅผ ์•ž์ง€๋ฅด๊ณ  ์‹œ์žฅ์€ ๋ฏธ-ํˆฌ๋กœ ๊ฐ€๋“ํ•˜๋‹ค
์ž์‹ ์„ ๊ณ ์œ ํ•˜๊ฒŒ ๋งŒ๋“ค์–ด์ฃผ๋Š” ๋ฌด์–ธ๊ฐ€, ๊ทธ๋ฆฌ๊ณ  ์‹œ์žฅ์— ํŠน์ • ๊ฐ€์น˜๋ฅผ ๊ฐ€์ ธ๋‹ค์ฃผ๋Š” ๋ฌด์–ธ๊ฐ€๋ฅผ ์ฆ‰๊ฐ ์ œ์‹œํ•  ์ˆ˜ ์—†๋‹ค๋ฉด, ์‹œ์žฅ์˜ ๊ด€์ ์—์„œ ๋ณผ ๋•Œ ๋‹น์‹ ์€ ๋ฏธ-ํˆฌ ๋ชจ๋ฐฉ์ž๋‹ค.
๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋ž€ ํŠน์ • ๋ฌธ์ œ์— ๋Œ€ํ•ด ๊ฐ€์žฅ ๋จผ์ € ๋– ์˜ค๋ฅด๋Š” ํ•ด๊ฒฐ์ฑ…์ด๋‹ค.
  • ์งˆ๋ฌธ
์ด์ต์„ ์ง€ํ‚ค๊ธฐ ์œ„ํ•ด ์•ˆ๊ฐ„ํž˜์„ ์“ฐ๋Š” ์—ฌํƒ€์˜ ์ƒํ’ˆ ๊ธฐ์—…๋“ค๊ณผ๋Š” ๋‹ฌ๋ฆฌ, ์™œ ์–ด๋–ค ๊ธฐ์—…์€ ๋” ๋งŽ์€ ์ด์ต๊ณผ ๊ด€์‹ฌ, ์กด๊ฒฝ์„ ๋ฐ›๋Š”๊ฐ€? ์™œ ๊ทธ๋“ค์€ ๊ฒฝ์Ÿ ์ƒํ™ฉ์œผ๋กœ๋ถ€ํ„ฐ ์ž์œ ๋กญ๊ณ , ๊ณ ๊ฐ๋“ค์ด ๋จผ์ € ๊ทธ๋“ค์„ ์ฐพ๊ณ , ๋˜ํ•œ ๊ทธ๋“ค๊ณผ ํ•จ๊ป˜ํ•˜๋Š” โ€˜ํŠน๊ถŒโ€™์— ๊ธฐ๊บผ์ด ๋†’์€ ๊ฐ€๊ฒฉ์„ ์ง€๋ถˆํ•˜๋ ค๊ณ  ํ• ๊นŒ?
  • ๋ฐฉ๊ธˆ ์œ„์˜ ๋ฌธ์žฅ์„ ํ•™๊ณ„ ๋ฒ„์ „์œผ๋กœ isomorphicํ•˜๊ฒŒ ๋ฐ”๊พธ์–ด ๋ณด์ž (isomorphic ๊ธฐ๋ฐ˜ ํ›ˆ๋ จ๋ฒ•์˜ ํ•ต์‹ฌ์€ ๋‹ต๋ณ€์ด ์•„๋‹ˆ๋ผ ์งˆ๋ฌธ์„ ๋นŒ๋ ค์˜ค๋Š” ๊ฒƒ์ด๋‹ค).

_ ์ธ์šฉ์„ ์–ป๊ธฐ ์œ„ํ•ด ์•ˆ๊ฐ„ํž˜์„ ์“ฐ๋Š” ์—ฌํƒ€์˜ ๋…ผ๋ฌธ๋“ค๊ณผ๋Š” ๋‹ฌ๋ฆฌ, ์™œ ์–ด๋–ค ๋…ผ๋ฌธ(๋ฐ ๊ทธ ์ €์ž๋“ค)์€ ๋” ๋งŽ์€ ์ธ์šฉ๊ณผ ๊ด€์‹ฌ, ์กด๊ฒฝ์„ ๋ฐ›๋Š”๊ฐ€?

_ ์™œ ๊ทธ๋“ค์€ ๊ฒฝ์Ÿ ์ƒํ™ฉ์œผ๋กœ๋ถ€ํ„ฐ ์ž์œ ๋กญ๊ณ , ํ›„์†์—ฐ๊ตฌ์ž(ํ˜น์€ ์žก๋งˆ์ผ“์—์„œ์˜ ๊ธฐ์—…)๋“ค์ด ๋จผ์ € ๊ทธ๋“ค์„ ์ฐพ๊ณ ,

_ ๋˜ํ•œ ๊ทธ๋“ค๊ณผ ํ•จ๊ป˜(๊ณต๋™์—ฐ๊ตฌ, ๊ณต์ €์ž)ํ•˜๋Š” ํŠน๊ถŒ์— ๊ธฐ๊บผ์ด ๋†’์€ ๊ฐ€๊ฒฉ์„ ์ง€๋ถˆํ•˜๋ ค๊ณ  ํ• ๊นŒ?

5๊ฐ€์ง€ ํ•ต์‹ฌ์–ด

  • ์ฑ…์—์„œ ์ด๋ ‡๊ฒŒ ์ง‘์–ด์ฃผ์ง„ ์•Š์•˜์ง€๋งŒ ๋Œ€์ถฉ ๊ตฌํš์„ ๋‚˜๋ˆ„์–ด๋ณด๋ฉด 5๊ฐ€์ง€ ์ •๋„ ํŒฉํ„ฐ๊ฐ€ ์žˆ์—ˆ๋‹ค.
    • ์ฐธ๊ณ : ์ฃผ๋กœ 3์žฅ์— ๋งŽ์€ ์„ ์–ธ๋“ค์ด ์žˆ์—ˆ๋‹ค. ๋’ค์— ๋”ฐ๋ผ์˜ค๋Š” ์ฑ•ํ„ฐ๋“ค์€ 3์žฅ์˜ ๋‚ด์šฉ์„ ๊ตฌ์ฒดํ™”ํ•˜๊ธฐ ์œ„ํ•œ ์ƒ์„ธ ์‹ค์ฒœ๋ฐฉ๋ฒ•์— ๊ด€ํ•œ ๊ฒƒ์ด์—ˆ๋‹ค.
  • ์ €์ž๋Š” ์ด๋Ÿฌํ•œ ์ ‘๊ทผ ๋ฐฉ์‹์„ ์•„ํด๋กœ ์ ‘๊ทผ๋ฐฉ์‹ ์ด๋ผ๊ณ  ์นญํ•œ๋‹ค.

1. Focusing

  • ๋งŽ์€ ์„์‚ฌ ์‹ ์ž…์ƒ๋“ค์ด ์ฐฉ๊ฐํ•˜๋Š” ๊ฒƒ์ด ํ•˜๋‚˜ ์žˆ๋‹ค. ๋ฐ”๋กœ ๋‚˜๋„ ์–ด์„œ ์ฆ๋ช…ํ•˜๊ณ  ์‹ถ์–ด. ํƒ‘ํ‹ฐ์–ด ์ปจํผ๋Ÿฐ์Šค๋“ค ๋…ผ๋ฌธ๋“ค์„ ๋ดค๋”๋‹ˆ ์ˆ˜์ค€์ด ๋†’์ง€ ์•Š์€๊ฒƒ๋“ค๋„ ๊ฝค ๋งŽ๋”๊ตฐ. ๊ทธ์ •๋„๋Š” ๋‚˜๋„ ์“ฐ๊ฒ ์–ด.
  • ํ•˜์ง€๋งŒ ํ˜„์‹ค์€ ์ƒ๊ฐ๋ณด๋‹ค ์–ด๋ ต๋‹ค. ๋ง์€ ์‰ฝ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค. ์‹ค์ฒœ์ด ๊ฒฝ์Ÿ๋ ฅ ํ™•๋ณด์˜ ํ•ต์‹ฌ์ด๋‹ค. ์ฃผ๋ณ€์—์„œ ๋ˆ„๊ฐ€ ์ž˜ํ•˜๋Š”์ง€ ํŒ๋‹จํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š” ๋ˆ„๊ฐ€ ๊ฒฐ๊ณผ๋ฌผ์„ ์‹ค์ œ๋กœ ์ƒ์‚ฐํ•˜๊ณ  ์žˆ๋Š”์ง€๋ฅผ ๋ณด๋ฉด ๋œ๋‹ค.
  • ํ˜„์‹ค์ ์œผ๋กœ ๊ทธ๊ฒƒ์ด ์–ด๋ ค์šด ์ด์œ ๋Š” ์ž์›์ด ํ•œ์ •๋˜์–ด ์žˆ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค. ํ•™๊ณ„์˜ ์—ญ์‚ฌ/ํ˜„ํ™ฉ ์ „์ฒด๋ฅผ ์ž˜ ์ดํ•ดํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š” ์ฝ์–ด์•ผํ•  ๊ฒƒ๊ณผ ์‹ค์Šตํ•ด๋ด์•ผํ•  ๊ฒƒ๋“ค์ด ๋„ˆ๋ฌด ๋งŽ๋‹ค. ๋ฐ˜๋ฉด์— ๋‚˜์—๊ฒŒ ์ฃผ์–ด์ง„ ์‹œ๊ฐ„์€ ์ ๋‹ค.
  • ์˜ˆ๋ฅผ ๋“ค์–ด C++ ๊ฒฝํ—˜๋„ ๋ถ€์กฑํ•˜๊ณ  SLAM review paper ๋ฅผ ๋ง‰ ์ฝ๊ธฐ ์‹œ์ž‘ํ•œ ์ž…๋ฌธ์ž๊ฐ€, ๋‹น์žฅ 6๊ฐœ์›” ๋’ค ORB-SLAM4 ์™€ ๊ฐ™์€ ์ œ๋ชฉ์œผ๋กœ ๋…ผ๋ฌธ์„ ์“ฐ๊ณ  ์ฝ”๋“œ๋ฅผ ๊ณต๊ฐœํ•˜๊ธฐ๋Š” ์–ด๋ ค์šธ ๊ฒƒ์ด๋‹ค.
  • ๊ทธ๋Ÿผ์—๋„ ๋งŽ์€ ์ž…๋ฌธ์ž๋“ค์€ ์ž์‹ ์„ ๊ณผ์‹ ํ•ด์„œ ์ธ์šฉ ์ฒœ ํšŒ์”ฉ ๋ฐ›์€ ๋…ผ๋ฌธ๋งŒ์ด โ€˜์ฟจโ€™ํ•œ ๋…ผ๋ฌธ์ด๋ผ๊ณ  ์ƒ๊ฐํ•œ๋‹ค. ๊ทธ๋ฆฌ๊ณ  ์ž๊ธฐ๋„ ๊ทธ๋Ÿฐ ๊ฒƒ๋“ค์„ ์–ด์„œ ์จ๋‚ด์•ผํ•œ๋‹ค๋Š” ์••๋ฐ•์— ์Šค์Šค๋กœ ์‹œ๋‹ฌ๋ฆฌ๊ธฐ ์‰ฌ์šด ๋“ฏํ•˜๋‹ค.
    • ํ˜น์€ ๋ฐ˜๋Œ€๋กœ ์Šค์Šค๋กœ๋ฅผ underestimate ํ•˜๋Š” ๊ฒฝ์šฐ๋„ ๋งŽ์€ ๋“ฏํ•˜๋‹ค. ํ•˜์ง€๋งŒ ์ด ๊ฒฝ์šฐ์—๋„ ์—ญ์‹œ ์Šค์Šค๋กœ๋ฅผ ์–ด์„œ ์ฆ๋ช…ํ•ด์•ผ ํ•˜์ง€๋งŒ ๊ทธ๋Ÿฌ์ง€ ๋ชปํ•˜๊ณ  ์žˆ๋‹ค๋Š” ์กฐ๊ธ‰ํ•จ์— ๋น ์ง€๋Š” ํ˜„์ƒ์„ ๊ฒช์„ ์ˆ˜ ์žˆ๋‹ค.
  • ์ €์ž๋“ค์€ ๊ทธ๋ž˜์„œ ๋‹ค์Œ๊ณผ ๊ฐ™์ด ๋งํ•œ๋‹ค.
๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๊ฐ€ ๋”ฐ๋ฅด๋Š” ์ฒซ ๋ฒˆ์งธ ๊ฐ€์žฅ ์ค‘์š”ํ•œ ์ „๋žต์€ ํ•œ ๊ฐ€์ง€ ๋ชฉํ‘œ์— ์ง‘์ค‘ํ•˜๋Š” ๊ฒƒ์ด๋‹ค. ํ•ต์‹ฌ์€ ๊ฑฐ์ ์˜ ์ค‘์š”์„ฑ์„ ์ดํ•ดํ•˜๋Š” ๊ฒƒ์ด๋‹ค.
  • ๊ทธ๋ ‡๊ฒŒ ํ•ด์•ผํ•˜๋Š” ์ด์œ ๋Š” ์‚ฌ์‹ค ๊ทธ๋ ‡๊ฒŒ ํ•˜๋Š” ๋ฐฉ๋ฒ•๋ฐ–์—๋Š” ์—†๊ธฐ ๋•Œ๋ฌธ์ด๋ผ๊ณ  ์ƒ๊ฐํ•œ๋‹ค.
    • ์ง€๊ธˆ์€ ์–ด๋Š์ •๋„ ์•Œ๋ ค์ง„ Scan Context ๋ฅผ ์ฒ˜์Œ ์‹œ์ž‘ํ•˜๊ฒŒ ๋œ ๋ฐฐ๊ฒฝ์€ ์‚ฌ์‹ค, ์•„์ด๋Ÿฌ๋‹ˆํ•˜๊ฒŒ๋„ ๊ทธ ๋•Œ ๋‚ด ์‹ค๋ ฅ์œผ๋กœ๋Š” ๊ทธ๊ฒƒ ๋ฐ–์— ํ•  ์ˆ˜ ์—†์—ˆ๊ธฐ ๋•Œ๋ฌธ์ด์—ˆ๋‹ค. ๋‹น์‹œ์— ํ•œ์ •๋œ ์‹œ๊ฐ„์ /์‹ค๋ ฅ์  ์ด์œ ๋กœ ์ธํ•ด Matlab ๊ธฐ๋ฐ˜์œผ๋กœ ํŒŒ์ผ ๋ช‡ ๊ฐœ ์ •๋„๋งŒ์„ ๊ตฌํ˜„ํ•ด์„œ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•ด์•ผ ํ•œ๋‹ค๋Š” ์ œ์•ฝ์ด ์Šค์Šค๋กœ์—๊ฒŒ ์žˆ์—ˆ๋‹ค. Place recognition ์€ full SLAM system ์— ๋น„ํ•˜๋ฉด ๋…๋ฆฝ์ ์ด๊ณ  ์ž‘์€ ๋ชจ๋“ˆ๋กœ ์—ฌ๊ฒจ์กŒ๋‹ค (๊ทธ๋ž˜์„œ ์—ฐ๊ตฌ์˜ ํ’€๋„ ๋‹น์‹œ์—๋Š” ๊ทธ๋ ‡๊ฒŒ ํฌ์ง€ ์•Š์•˜๋˜ ๊ฑธ๋กœ ๊ธฐ์–ตํ•œ๋‹ค). ๊ทธ๋ฆฌ๊ณ  full SLAM system ์— ํ†ตํ•ฉํ•œ ๊ฒฐ๊ณผ๋ฅผ ๊ตฌํ˜„ (๊ฒฐ๊ตญ ๋ฐ•์‚ฌ์กธ์—…์ „์—๋Š” ๋‹ค ํ•˜๊ธด ํ–ˆ์ง€๋งŒ) ํ•˜์ง€ ์•Š๊ธฐ ์œ„ํ•ด์„œ (๋‹น์‹œ ์‹œ๊ฐ„๊ณผ ์‹ค๋ ฅ์ด ๋ถ€์กฑํ–ˆ์œผ๋ฏ€๋กœ)๋Š”, place recognition ์ด ๋‹น๋ฉดํ•œ ๋ฌธ์ œ์— ๋”์šฑ ์ง‘์ค‘ํ•ด์•ผ ํ–ˆ๋‹ค. ํ•œ ๊ฐ€์ง€ ๋ชฉํ‘œ์—๋งŒ ์ง‘์ค‘ํ•ด์•ผ ํ–ˆ๋‹ค.
      • ๋ชจ๋‘์—๊ฒŒ ๊ผญ ๊ทธ ์ฃผ์ œ๊ฐ€ ๊ฑฐ์ ์ด ๋  ํ•„์š”๋Š” ์—†๋‹ค. ํ•˜์ง€๋งŒ ๋‹น์‹œ์— ๋‚˜๋Š” place recognition ์ด๋ผ๋Š” ๋ชจ๋“ˆ์„ ๊ฑฐ์ ์œผ๋กœ ์‚ผ์•„์„œ ์ฐจ์ฐจ odometry, ๊ทธ๋ฆฌ๊ณ  full SLAM system ๊นŒ์ง€ ์ดํ•ด๋„๋ฅผ ์ˆœ์ฐจ์ ์œผ๋กœ ๋„“ํ˜€๊ฐ€์•ผ ๋˜๊ฒ ๋‹ค๊ณ  ์ƒ๊ฐํ–ˆ๋‹ค. ๋‹ค๋ฅธ ๋ˆ„๊ตฐ๊ฐ€๋Š” ๋‹ค๋ฅธ ๋ถ€๋ถ„์—์„œ ์‹œ์ž‘ํ•  ์ˆ˜๋„ ์žˆ๋‹ค.
  • ์š”์•ฝ (๋ณธ๋ฌธ ๊ทธ๋Œ€๋กœ)
      ์ž์‹ ์˜ ์กด์žฌ๊ฐ์„ ๋“œ๋Ÿฌ๋‚ด๊ณ  ๊ณ -ํˆฌ ์ง€์œ„์— ์˜ค๋ฅด๊ธฐ ์œ„ํ•ด์„œ๋Š” 
      ํ•ต์‹ฌ ์‹œ์žฅ ์˜์—ญ์— ์ง‘์ค‘ํ•˜๊ณ , โ€˜์ž์‹ ์ด ๋ฌด์—‡์œผ๋กœ ์•Œ๋ ค์ง€๊ธธ ์›ํ•˜๋Š”์ง€โ€™๋ฅผ ์„ ํƒํ•˜๋Š” ์ž‘์—…์ด ์ค‘์š”ํ•˜๋‹ค. 
      ๋‹น์‹ ์˜ ๋ชจ์Šต์— ๋งค๋ ฅ์„ ๋Š๋‚€ ๊ณ ๊ฐ์€ ๋‹น์‹ ์„ ๋Œ€์‹ ํ•ด ๊ทธ ์ด์•ผ๊ธฐ๋ฅผ ํผ๋œจ๋ฆด ๊ฒƒ์ด๋‹ค. 
      ์ด๋Š” ๋‹น์‹ ์ด ์ง‘์ค‘ํ•˜๋Š” ๋ฐ”๋ฅผ ๊ณ ๊ฐ์ด ์‰ฝ๊ฒŒ ๋จธ๋ฆฟ์†์— ๋– ์˜ฌ๋ฆด ์ˆ˜ ์žˆ์„ ๋•Œ ์‹คํ˜„๋  ์ˆ˜ ์žˆ์„ ๊ฒƒ์ด๋‹ค. 
    
      ๋‹น์‹ ์€ ์ถ”๊ตฌํ•˜๋Š” ๋ฐ”๋ฅผ ์ตœ๋Œ€ํ•œ ๋‹จ์ˆœํ•˜๊ฒŒ ํ‘œํ˜„ํ•˜๊ณ  ์ž์‹ ๋งŒ์˜ ๋‹ฌ ์ฐฉ๋ฅ™์„ ์„ ํ•œ๋‘ ๋‹จ์–ด๋กœ ์ „๋‹ฌํ•  ์ˆ˜ ์žˆ์–ด์•ผ ํ•œ๋‹ค. 
        ๊ฐ€๋ น, ๊ตฌ๊ธ€์€ โ€˜์œ ๋ฃŒ ๊ฒ€์ƒ‰ ๊ด‘๊ณ โ€™๋กœ ์‹œ์ž‘ํ–ˆ๋‹ค. 
        ํŽ˜์ด์Šค๋ถ์€ โ€˜๋ชจ๋‘๋ฅผ ์—ฐ๊ฒฐโ€™ํ•˜๊ณ ์ž ํ–ˆ๋‹ค. 
        ์Šคํƒ€๋ฒ…์Šค๋Š” ์ง์žฅ๊ณผ ์ง‘ ์‚ฌ์ด๋ฅผ ์—ฐ๊ฒฐํ•˜๋Š” โ€˜์ œ3์˜ ์žฅ์†Œโ€™๊ฐ€ ๋˜๊ธธ ์›ํ–ˆ๋‹ค.
    
      ๊ฑฑ์ •ํ•˜์ง€๋Š” ๋ง์ž. โ€˜์ง‘์ค‘โ€™์ด๋ผ๊ณ  ํ•ด์„œ ์ž‘์€ ๊ฒƒ์„ ์˜๋ฏธํ•˜์ง€๋Š” ์•Š๋Š”๋‹ค. 
      ๊ตฌ์ฒด์ ์ด์•ผ ํ•œ๋‹ค. 
    
      ๊ทธ๋Ÿฐ๋ฐ ๋งŒ์ผ ๋‹น์‹ ์ด ์„ ํƒํ•œ ๋ถ„์•ผ์— ์ด๋ฏธ ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๊ฐ€ ์ž๋ฆฌ ์žก๊ณ  ์žˆ๋‹ค๋ฉด? 
      ๊ทธ๋ ‡๋‹ค๋ฉด ๋ถ„์•ผ๋ฅผ ๋” ์„ธ๋ถ€์ ์œผ๋กœ ๊ตฌ๋ถ„ํ•˜์ž.
    

2. Problem Owner

  • ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ์˜ ์š”์†Œ, ๋‘ ๋ฒˆ์งธ๋กœ:
๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋Š” ์‹œ์žฅ์—์„œ ์ฃผ์ธ ์˜์‹์„ ๊ฐ–๋Š”๋‹ค.
๊ณ -ํˆฌ ๊ธฐ์—…์€ ์ด๋ ‡๊ฒŒ ๋งํ•œ๋‹ค. โ€œ๋‚ด๊ฐ€ ๋งก์„๊ฒŒ. ์ด ๋ฌธ์ œ๋Š” ๋‚ด ๊ฑฐ์•ผ.โ€ ๊ทธ๋ฆฌ๊ณ  ๊ทธ ๋ฌธ์ œ๋Š” ๋ธŒ๋žœ๋“œ์˜ ๋ชฉํ‘œ๊ฐ€ ๋œ๋‹ค.
  • ๋‹ค์‹œ ์ ์–ด๋ณด์ž๋ฉด, ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋Š” โ€œ๋‚˜๋Š” ๋‹ค๋ฅธ ๊ฒฝ์Ÿ์ œํ’ˆ๋ณด๋‹ค ๋” ์Œ‰๋‹ˆ๋‹คโ€, ๋ผ๊ณ  ๋งํ•˜์ง€ ์•Š๊ณ , โ€œ๋‚ด๊ฐ€ ๋งก์„๊ฒŒ. ์ด ๋ฌธ์ œ๋Š” ๋‚ด ๊ฑฐ์•ผ.โ€ ๋ผ๊ณ  ๋งํ•œ๋‹ค.
  • ํƒ‘ ํ‹ฐ์–ด ์ €๋„์— ๊ฐ€๋ ค๋ฉด ๋ฐ”๋กœ ์ €๋ถ€๋ถ„์ด ์ถฉ์กฑ๋˜์–ด์•ผ ํ•œ๋‹ค๊ณ  ์ƒ๊ฐํ•œ๋‹ค.
    • ๊ฒฝ์Ÿ์ œํ’ˆ๋ณด๋‹ค ๋” ๋น ๋ฅด๊ณ , ๋” ๋น„์šฉ์ด ์ €๋ ดํ•œ ๊ฒƒ๋งŒ์œผ๋กœ๋Š” ๋ฆฌ๋ทฐ์–ด๋“ค์—๊ฒŒ ์ฐจ๋ณ„ํ™”๋ฅผ ๊ฐ์ธ์‹œํ‚ค๊ธฐ ์–ด๋ ต๋‹ค (์‚ฌ์‹ค์€ ๊ทธ ์ฐจ์ด๊ฐ€ ๋Œ€์ฒด๋กœ marginal (๋น„์Šท๋น„์Šท) ํ•œ ๊ฒƒ์ด ๋ฌธ์ œ์ด๊ธฐ ๋•Œ๋ฌธ์ด์ง€๋งŒ).
  • ์ด๋ฅธ๋ฐ”, โ€˜๋ฉ”์†Œ๋“œ ๋…ธ๋ฒจํ‹ฐโ€™ ๊ฐ€ ์•„๋‹ˆ๋ผ โ€˜ํ”„๋ผ๋ธ”๋Ÿผ ๋…ธ๋ฒจํ‹ฐโ€™ ๋ฅผ ๊ฐ€์ ธ์•ผ ํ•˜๋Š” ๊ฒƒ์ด๋‹ค.
    • ์—ฐ๊ตฌ์ธํ„ด๋‹˜ ๋…ผ๋ฌธ ์ฝ”๋ฉ˜ํŠธ ๋•Œ๋„ ๋งŽ์ด ๊ฐ•์กฐํ•œ ๋‚ด์šฉ.
    • SC, ๊ทธ๋ฆฌ๊ณ  ๊ทธ ํ›„์†์ž‘์œผ๋กœ learning long-term localization ์ด๋‚˜ SC++์„ ํ•  ๋•Œ, ์ด๋Ÿฐ ๋ถ€๋ถ„์— ๋Œ€ํ•ด ๋งŽ์ด ๊ฐ€์‚ฐ์ ์„ ์–ป์—ˆ๋‹ค๊ณ  ์ƒ๊ฐํ•œ๋‹ค (๋ฉ”์†Œ๋“œ๋Š” ๋„ˆ๋ฌด ์‰ฌ์› ๋‹ค).
      • ์—ฌ๋‹ด: ๊ทธ ๋•Œ (2017) ๋‹น์‹œ์—๋Š” local descriptor ๊ฐ€ ์•„๋‹Œ global descriptor ์— invariance ๋ฅผ ์š”๊ตฌํ•˜๋Š” ์‚ฌ๋žŒ๋“ค์ด ๊ฑฐ์˜ ์—†์—ˆ๋‹ค. SegMatch ์ •๋„๊ฐ€ geometric verification ์„ ํ†ตํ•ด ๊ทธ๊ฒƒ์„ ๋‹ฌ์„ฑํ•˜๊ธด ํ–ˆ์ง€๋งŒ, ๊ทธ๊ฒƒ์€ ์‹ค์ œ๋กœ (์•„๋ž˜ ํ›„์ˆ ํ• ) efffectiveness ์™€ efficiency๋ฅผ ์œ ์ €๋“ค์—๊ฒŒ ๊ทธ๋‹ค์ง€ ์ฃผ์ง€ ๋ชปํ–ˆ๊ธฐ ๋•Œ๋ฌธ์— ๋ณ„๋กœ ์“ฐ๋Š” ์‚ฌ๋žŒ์ด ์—†์—ˆ๋‹ค๊ณ  ์ƒ๊ฐํ•œ๋‹ค.
  • ์ค‘์š”ํ•˜๋‹ˆ๊นŒ ๋‹ค์‹œ ๋งํ•ด๋ณด์ž.
    • โ€œ๋‚ด๊ฐ€ ๋งก์„๊ฒŒ. ์ด ๋ฌธ์ œ๋Š” ๋‚ด ๊ฑฐ์•ผ.โ€

3. Thinking Leadership

  • ์„ธ๋ฒˆ์งธ๋„ ์ค‘์š”ํ•˜๋‹ค. ์‚ฌ๊ณ  ๋ฆฌ๋”์‹ญ์ด๋ผ๋Š” ๊ฒƒ์ด๋‹ค.
  • ์•ž์„œ ๋งํ•œ ๋ฌธ์ œ์— ๋Œ€ํ•œ ์˜ค๋„ˆ์‹ญ์€ ๋…์ ์†Œ์œ ๊ถŒ์— ๊ด€ํ•œ ๋ถ€๋ถ„์ด ์•„๋‹ˆ๋‹ค.
  • ๋…ธ๋ฒจํ‹ฐ์™€ (๋”์šฑ ์ค‘์š”ํ•œ) ์ดํ›„ ๋”ฐ๋ผ์˜ค๋Š” ๋ฆฌ๋”์‹ญ์— ๊ด€ํ•œ ๋ถ€๋ถ„์ด ๋”์šฑ ํฌ๋‹ค.

  • ์˜ˆ๋ฅผ ๋“ค์–ด,
๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋Š” ๋ฌธ์ œ(ํ˜น์€ ๋„์ „ ๊ณผ์ œ)๋ฅผ ์†Œ์œ ํ•˜๋Š” ๊ณผ์ •์—์„œ ์‹œ์žฅ์— ์ฐธ์—ฌํ•œ๋‹ค.
๊ต๋ฅ˜๋ฅผ ์œ„ํ•ด ํฌ๋Ÿผ์„ ์กฐ์งํ•˜๊ณ , ๋ฆฌ๋”์˜ ์ž๊ฒฉ์œผ๋กœ ์ค‘์‹ฌ์— ์„ ๋‹ค. ์Šค์Šค๋กœ๋ฅผ ๋‚ด์„ธ์šฐ๋ ค๋Š” ๊ฒƒ์ด ์•„๋‹ˆ๋ผ, ์ง€์†์ ์ธ ํ˜์‹ ๊ณผ ์„ฑ๊ณผ๋ฅผ ํ–ฅํ•œ ๋…ผ์˜๋ฅผ ์ด๋Œ์–ด๋‚˜๊ฐ€๊ธฐ ์œ„ํ•จ์ด๋‹ค.
  • ์™œ๋ƒํ•˜๋ฉด,
๊ธฐ์—…์˜ ๊ฒฝ์šฐ, ๊ด€์ ์ด๋ž€, ๊ณ -ํˆฌ ๊ธฐ์—…์˜ ๋„์›€์ด ์žˆ๋“  ์—†๋“ , ์ˆ˜ํ–‰ํ•ด์•ผ ํ•  ๋„์ „ ๊ณผ์ œ๋ฅผ ๋ฐ”๋ผ๋ณด๋Š” ์ •์งํ•œ ์‹œ๊ฐ์„ ๋œปํ•œ๋‹ค.
๊ทธ๊ฒƒ์€ ๊ตฌ๋งค ๊ถŒ์œ ์™€๋Š” ๋‹ค๋ฅด๋‹ค (ํˆฌ์ž์ž์ด์ž ์Šคํƒ€ํŠธ์—… ์ž๋ฌธ๊ฐ€์ธ ๊ฐ€์ด ๊ฐ€์™€์‚ฌํ‚ค๋Š” ๊ด€์ ์„ ๊ณง โ€˜๋Œ€์˜๋ช…๋ถ„โ€™์ด๋ผ๊ณ  ๋งํ•œ๋‹ค).
  • MulRan dataset ์„ ๋งŒ๋“ค ๋•Œ ๋น„์Šทํ•œ ์ƒ๊ฐ์„ ํ–ˆ์—ˆ๋‹ค.
    • ๋‹น์‹œ roto-translational ํ•œ invariant ๋ฅผ ์–ป๋Š” ๊ฒƒ์ด place recognition ์—์„œ ์•„์ฃผ ์ค‘์š”ํ•œ ๋ฌธ์ œ๋ผ๊ณ  ํ•™๊ณ„์— ์ด์•ผ๊ธฐ๋ฅผ ํ•˜๊ณ  ์‹ถ์—ˆ๋‹ค.
    • KITTI dataset ์—์„œ๋งŒ ๋‹น์‹œ ๋งŽ์€ ์‹คํ—˜์ด ์ด๋ค„์ง€๊ณ  ์žˆ์—ˆ๋Š”๋ฐ, ์ด๋Š” ์‰ฌ์šด ๋ฐ์ดํ„ฐ์—ฌ์„œ, ๋งˆ์น˜ ๋ฌธ์ œ๊ฐ€ ๋‹ค ๊ทน๋ณต๋œ ๊ฒƒ ๊ฐ™์€ ์ฐฉ๊ฐ์„ ํ•™๊ณ„์— ์ผ์œผํ‚ค๊ณ , ๋ฐฉ๋ฒ•๋ก ๋“ค ์‚ฌ์ด์˜ ์œ ์˜๋ฏธํ•œ ์ฐจ์ด๋ฅผ ๋ณด์—ฌ์ฃผ์ง€ ๋ชปํ•˜๊ณ  ์žˆ์—ˆ๋‹ค.
    • ๊ทธ๋ž˜์„œ ๊ทธ๋Ÿฐ challenge cases ๋ฅผ ๋ณด์œ ํ•œ ๋ฐ์ดํ„ฐ์…‹์„ ์„ค๊ณ„ํ•˜๊ณ , ํŒ€์›๋“ค๊ณผ ํ•จ๊ป˜ ์ œ์ž‘ํ•ด์„œ ๊ณต๊ฐœํ–ˆ๋‹ค.
    • ์‚ฌ์‹ค ๊ทธ ๋•Œ ๋‹น์‹œ์—๋Š” roto-translational invariance ๋ฅผ ๋‹ฌ์„ฑํ•˜์˜€์Œ์„ ๋ณด์—ฌ์ฃผ์ง€๋Š” ๋ชปํ•œ ์ฑ„ (์•„์ด๋””์–ด๊ฐ€ ์•ˆ๋– ์˜ค๋ฆ„โ€ฆ) ๋ฐ์ดํ„ฐ์…‹๋ถ€ํ„ฐ ๋จผ์ € ๋‚˜๊ฐ”๋Š”๋ฐ.
      • ๋ˆ„๊ตฌ๋ผ๋„ ๊ทธ ๋ฌธ์ œ๋ฅผ ์–ด์„œ ํ•ด๊ฒฐํ•ด์ฃผ๊ธฐ๋ฅผ ์›ํ–ˆ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค. ์‚ฌ์‹ค ์ด ๋•Œ๋ถ€ํ„ฐ๋Š” ๊ตณ์ด ๋‚ด๊ฐ€ ๊ทธ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•˜๋Š” ๊ฒƒ์— ํฐ ์˜๋ฏธ๋ฅผ ๋‘๊ณ  ์žˆ์ง€๋Š” ์•Š์•˜๋‹ค. ๋‹ค๋งŒ ํ•™๊ณ„์—๊ฒŒ ๋„์›€์„ ์š”์ฒญํ•˜๊ณ  ์‹ถ์—ˆ๋˜ ๊ฒƒ ๊ฐ™๋‹ค. ๋‚œ ์•„์ด๋””์–ด๊ฐ€ ์—†์œผ๋‹ˆ ๋„์™€๋‹ฌ๋ผ๊ณ .. ๊ทธ ์ฃผ์ œ๋Š” ๋ถ„๋ช…ํžˆ ์‹œ๊ธ‰ํ•˜๊ณ ๋„ ์ค‘์š”ํ•œ ๋ฌธ์ œ์˜€๋‹ค.
  • ์•”ํŠผ ๊ทธ ์ดํ›„๋กœ ํ•™๊ณ„์—์„œ ์ด๋Ÿฐ ์ค‘์š”์„ฑ์„ ์ž˜ ์ดํ•ดํ•ด์ฃผ๊ณ  ์žˆ๋Š” ๊ฒƒ ๊ฐ™์•„ ๊ธฐ์˜๋‹ค.
    • ์˜ฌํ•ด dataset ๋…ผ๋ฌธ๋„ ์ธ์šฉ์ด 100์ด ๋„˜์—ˆ๊ณ , ์ตœ๊ทผ์— A Survey on Global LiDAR Localization: Challenges, Advances and Open Problems ๋ผ๋Š” ๋…ผ๋ฌธ์—์„œ ๊ฑฐ์˜ ๋‚ด๊ฐ€ ํ•˜๊ณ ์‹ถ์—ˆ๋˜ ๋ง๋“ค์„ ์ผ๋ชฉ์š”์—ฐํ•˜๊ฒŒ ๋‹ค ์ •๋ฆฌํ•ด์ฃผ์–ด์„œ ๋„ˆ๋ฌด ๊ฐ์‚ฌํ–ˆ๋‹ค.

4. Effectiveness

  • ๊ทธ๋Ÿฐ๋ฐ ์‚ฌ์‹ค ๋…ผ๋ฌธ์ด ๋ถ™๊ณ , ํ™๋ณด๋ฅผ ๋งŽ์ด ํ•œ๋‹ค๊ณ ๋งŒ ํ•ด์„œ ๋  ๋ฌธ์ œ๋Š” ์•„๋‹ˆ๋‹ค.
    • ๋…ผ๋ฌธ์ด ๋ถ™๋Š” ๊ฑด ๊ฐœ์ธ์˜ ๊ธฐ์จ์ด์ง€๋งŒ, ๊ทธ๊ฒƒ์ด ์”ฌ์— ์ž„ํŒฉํŠธ๋ฅผ ์ฃผ๋Š” ๊ฒƒ์€ ๋˜ ๋‹ค๋ฅธ ์ด์•ผ๊ธฐ์ด๋‹ค.
    • ์–ด๋–ป๊ฒŒ ์ž„ํŒฉํŠธ๋ฅผ ์ค„ ์ˆ˜ ์žˆ๋Š”๊ฐ€? ์‹ค์ œ๋กœ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•ด์•ผ ํ•œ๋‹ค!
๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋Š” ์ œํ’ˆ์„ ํŒ”์ง€ ์•Š๊ณ  ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•œ๋‹ค.
๊ณ -ํˆฌ๋Š” ๊ณ ๊ฐ์—๊ฒŒ ์ œํ’ˆ๊ณผ ์„œ๋น„์Šค๋ฟ๋งŒ ์•„๋‹ˆ๋ผ, ๊ฒฐ๊ณผ๋ฅผ ๊ฐ€์ ธ๋‹ค์ฃผ๊ธฐ ์œ„ํ•ด ํ•„์š”ํ•œ โ€˜์™„์ „ํ•œ ์†”๋ฃจ์…˜โ€™์„ ์ œ๊ณตํ•œ๋‹ค.
  • ์™„์ „ํ•œ ์†”๋ฃจ์…˜์ด๋ž€, ์˜ˆ๋ฅผ ๋“ค์–ด (๋ณธ๋ฌธ ์ธ์šฉ):
      ๋‹น์‹ ์ด ์‹์‚ฌ๋ฅผ ํ•œ๋‹ค๋ฉด ์ƒ๋Œ€๋Š” ์Œ์‹๊ณผ ์ ‘์‹œ, ๋„๊ตฌ ๋“ฑ์„ ํŒ๋งคํ•  ๊ฒƒ์ด๋‹ค. 
      ๊ณ ๊ธ‰ ๋ ˆ์Šคํ† ๋ž‘์ด ๋งŒ์กฑ์Šค๋Ÿฌ์šด ์‹์‚ฌ ๊ฒฝํ—˜์„ ์ œ๊ณตํ•œ๋‹ค๋ฉด, ๋‹น์‹ ์€ ๊ธฐ๊บผ์ด ๋” ๋†’์€ ๊ฐ€๊ฒฉ์„ ์ง€๋ถˆํ•  ๊ฒƒ์ด๋‹ค. 
      ๊ณ -ํˆฌ ๋ ˆ์Šคํ† ๋ž‘์€ ์—ฌ๊ธฐ์„œ ๋” ๋‚˜์•„๊ฐ€ ๋ชจ์ž„์˜ ์žฅ์†Œ๋ฅผ ์ œ๊ณตํ•˜๊ณ , 
      ๊ณ ๊ฐ์˜ ์ด๋ฆ„๊ณผ ์ทจํ–ฅ์„ ํŒŒ์•…ํ•˜๊ณ , ๊ณ ๊ฐ์˜ ์š”๊ตฌ์— ๋”ฐ๋ผ ์š”๋ฆฌ๋ฅผ ํ•˜๊ณ , ๋”์šฑ ํŠน๋ณ„ํ•œ ์ œ์•ˆ์„ ํ•  ๊ฒƒ์ด๋‹ค.
    
  • ์ฆ‰, ์‹ค์งˆ์ ์œผ๋กœ ๋‚ด ๋…ผ๋ฌธ์œผ๋กœ ์ธํ•œ ๊ณ ๊ฐ (์‚ฌ์šฉ์ž, ๋™๋ฃŒ, ํ›„์†์—ฐ๊ตฌ์ž ๋“ฑ)๋“ค์ด ์‹ค์งˆ์ ์œผ๋กœ ํšจ๊ณผ๋ฅผ ๋ณด์•„์•ผ ํ•œ๋‹ค.
  • ํ•™๊ณ„์—์„œ ์ด๋ฅผ ๋‹ฌ์„ฑํ•  ์ˆ˜ ์žˆ๋Š” ๊ฐ€์žฅ ์ข‹์€ ์ˆ˜๋‹จ์€ ์—ญ์‹œ open-source ๊ฐ€ ์•„๋‹๊นŒ ์‹ถ๋‹ค.
    • Robotics ์—์„œ๋„ ์ด์ œ๋Š” ๋„ˆ๋ฌด ๋‹น์—ฐํžˆ ๋ชจ๋“  ๋…ผ๋ฌธ๋“ค์ด ์ฝ”๋“œ๋ฅผ ์˜คํ”ˆ ํ•˜๋Š” ์ถ”์„ธ์ด๋‹ค.
    • ๋ฌผ๋ก , ๋‚ด๊ฐ€ ์•„๋ฌด๋„ ์“ฐ์ง€์•Š์„ ์ฝ”๋“œ๋ฅผ ์ƒ์‚ฐํ•˜๊ณ  ์žˆ๋Š” ๊ฒƒ์€ ์•„๋‹Œ๊ฐ€? ๊ฒฝ๊ณ„ํ•ด์•ผ ํ•œ๋‹ค.
  • ๊ฐœ์ธ์ ์ธ ๊ฒฝํ—˜์—์„œ๋Š”, SC-LeGO-LOAM์„ ๊ตฌํ˜„ํ•˜๋ฉด์„œ (์‚ฌ์‹ค ๊ทธ ๋ชฉ์ ์€ ๊ฐœ์ธ์ ์ธ ๊ตฌํ˜„ ์‹ค๋ ฅ ์ฆ์ง„์— ์žˆ์—ˆ์ง€๋งŒ), ์‹ค์ œ๋กœ ๋™๋ฃŒ๋“ค์—๊ฒŒ ๋งŽ์€ ์‹คํšจ ๋ฅผ ๊ฐ€์ ธ๋‹ค ์ฃผ์—ˆ๊ธฐ ๋•Œ๋ฌธ์— SC๊ฐ€ ๊ทธ๋Ÿฌํ•œ ์ธ์šฉ๊ณผ ๊ด€์‹ฌ์„ ๋ฐ›์„ ์ˆ˜ ์žˆ์—ˆ๋˜ ๊ฒŒ ์•„๋‹Œ๊ฐ€ ์ƒ๊ฐํ•œ๋‹ค.
    • ์—ฌ๋‹ด. ์ด๋Ÿฌํ•œ ๊ตฌํ˜„์ฒด๋“ค์€ ๋‹น์—ฐํžˆ ๋ณ„๋„ ๋…ผ๋ฌธํ™”๋Š” ํ•˜์ง€์•Š๊ณ  ์žˆ์—ˆ๋Š”๋ฐ (์–ด์งœํ”ผ ์ธ์šฉ๋“ค์€ SC์— ๋ชจ๋‘ ๋“ค์–ด์˜ค๊ณ  ์žˆ์—ˆ๋‹ค), ์ด์— ๋Œ€ํ•ด ํ•œ ๊ฐ€์ง€ ์žฌ๋ฏธ๋‚œ ํ•ดํ”„๋‹๋„ ์žˆ์—ˆ๋‹ค. LeGO-LOAM-SC ๋ผ๋Š” ์ œ๋ชฉ์˜ ๋…ผ๋ฌธ์ด์—ˆ๋Š”๋ฐ MDPI sensors (2022) ์ธ๊ฐ€์— ๋“ฑ์žฅํ•˜์˜€๋˜ ๊ฒƒ ๊ฐ™๋‹ค. SC++ ๋…ผ๋ฌธ์˜ ์ผ๋ถ€์˜€๋˜ SC-LeGO-LOAM github repository (2019) ๋‚ด์šฉ์„ ๊ทธ๋Œ€๋กœ ๊ฐ€์ ธ๋‹ค๊ฐ€ ๋…ผ๋ฌธํ™”ํ•œ ์นœ๊ตฌ๋“ค์ด์—ˆ๋‹ค. ๊ต์ˆ˜๋‹˜๊ณผ ํ•จ๊ป˜ ํ•ญ์˜๋ฅผ ํ•ด๋ณด์•˜์ง€๋งŒ ์ €์ž๋“ค์˜ ๋ณ€๋ช…์„ ์ „๋‹ฌ๋ฐ›๋Š” ํ”„๋กœ์„ธ์Šค๋ฅผ ๋ช‡๋ฒˆ๊ฑฐ์น˜๊ณ  ์—๋””ํ„ฐ์—๊ฒŒ ์–ด์ฉ”์ˆ˜์—†๋‹ค๋Š” ๋Š๋‚Œ์˜ ๋ฉ”์ผ์„ ๋ฐ›์•„ ๋”์ด์ƒ ํ•ญ์˜ํ•˜์ง€ ์•Š์•˜๋˜ ๊ธฐ์–ต์ด ์žˆ๋‹ค. ์™œ๋ƒํ•˜๋ฉด ์–ด์งœํ”ผ ๊ทธ ๋…ผ๋ฌธ 1๊ฑด์— ๋Œ€ํ•œ ownership์„ ์ฃผ์žฅํ•˜๋Š” ๊ฒƒ์ด ๋‚˜์—๊ฒŒ ๋ชฉํ‘œ๊ฐ€ ์•„๋‹ˆ์—ˆ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค.

5. Efficiency

  • ๊ทธ๋ฆฌ๊ณ  ์•ž์„œ๋งํ•œ ๋ชจ๋“  ๊ฒƒ๋“ค์ด ํšจ์œจ์ ์œผ๋กœ ์ด๋ฃจ์–ด์ ธ์•ผ ํ•œ๋‹ค.
  • ์ฆ‰, ๋น„์šฉ์— ๊ด€ํ•œ ์ด์•ผ๊ธฐ์ด๋‹ค!
  • ๋ณธ๋ฌธ ์ค‘:
      ์‹œ์žฅ์ด์•ผ๋ง๋กœ ์œ ์ผํ•˜๊ณ  ์ค‘์š”ํ•œ ๊ธฐ์ค€์ด๋‹ค. ์„ฑ์ˆ™ํ•œ ์‹œ์žฅ์€ ๊ฒฝ์Ÿ์ด ์น˜์—ดํ•˜๋‹ค. ๊ณต๊ธ‰์€ ์ˆ˜์š”๋ฅผ ์•ž์ง€๋ฅด๊ณ  ์‹œ์žฅ์€ ๋ฏธ-ํˆฌ๋กœ ๊ฐ€๋“ํ•˜๋‹ค
    
      ๋Œ€๋ถ€๋ถ„์˜ ๊ธฐ์—…์— ๊ฐ€์žฅ ์ค‘์š”ํ•œ ๊ฒฝ์Ÿ ์œ„ํ˜‘์€ ๊ณ ๊ฐ๊ณผ ์‹œ์žฅ์˜ ๊ด€์ ์—์„œ ์ผ์–ด๋‚˜๋Š” ๋ฒ”์šฉํ™”๋‹ค. ๋ฒ”์šฉํ™”๋Š” ์†Œ๋น„์ž๊ฐ€ ์ง€๋ถˆํ•˜๋ ค๋Š” ๊ฐ€๊ฒฉ์„ ๋‚ด๋ฆฌ๋„๋ก ์••๋ฐ•ํ•œ๋‹ค. 
      ์ด๋กœ ๋ง๋ฏธ์•”์•„ ๊ธฐ์—…์˜ ์ด์œค์€ ์ค„์–ด๋“ค๊ณ , 
      ์ด๋Š” ๋‹ค์‹œ ์„ฑ์žฅ๊ณผ ์—ฐ๊ตฌ ๊ฐœ๋ฐœ, ์ธ์  ์ž์›์˜ ์ง€์†์ ์ธ ํ›ˆ๋ จ๊ณผ ๊ต์œก, ๋งˆ์ผ€ํŒ… ๋ฐ ์—ฌ๋Ÿฌ ์ฃผ์š” ํˆฌ์ž๋ฅผ ์œ„ํ•œ ์ž์›์„ ์ค„์–ด๋“ค๊ฒŒ ๋งŒ๋“ ๋‹ค.
    
      ๋ฏธ-ํˆฌ ์ฃฝ์Œ์˜ ์†Œ์šฉ๋Œ์ด๋Š” ๊ฐ„๋‹จํ•œ ์ˆ˜ํ•™๊ณผ ๊ฒฝ์ œํ•™์˜ ๋ฌธ์ œ๋‹ค. ๋งค์ถœ์—์„œ ๋น„์šฉ์„ ๋นผ๋ฉด ์ˆ˜์ต์ด ๋œ๋‹ค.
    
      ๊ฐ‘์ž‘์Šค๋Ÿฝ๊ฒŒ ์†Œ๋น„์ž์˜ ์„ ํƒ๊ถŒ์ด ๋„“์–ด์ง€๊ณ , ๊ณต๊ธ‰์ž๋Š” ์ฐจ๋ณ„ํ™”ํ•˜๊ธฐ ์ ์  ํž˜๋“ค์–ด์ง„๋‹ค. ๋ˆˆ์œผ๋กœ ๋ด์„œ๋Š” ๋‹ค์–‘ํ•œ ์ œํ’ˆ๊ณผ ์„œ๋น„์Šค ๊ฐ„์˜ ์ฐจ์ด๋ฅผ ๊ตฌ๋ถ„ํ•˜๊ธฐ ํž˜๋“ค๋‹ค.
    
      ๊ฐ€๊ฒฉ ์ธ์ƒ์„ ์ •๋‹นํ™”ํ•˜๋Š” ๋ฐฉ๋ฒ•, ๋˜๋Š” ์ œํ’ˆ ๋ฐ ์„œ๋น„์Šค๋ฅผ ์ œ๊ณตํ•˜๋Š” ๋ฐ ๋“ค์–ด๊ฐ€๋Š” ๋น„์šฉ์„ ์ค„์ด๋Š” ๋ฐฉ๋ฒ•์„ ์•Œ์•„๋‚ด์ง€ ๋ชปํ•œ๋‹ค๋ฉด 
      ๊ธฐ์—…์€ ์„œ์„œํžˆ ์‹œ์žฅ์—์„œ ์ซ“๊ฒจ๋‚  ๊ฒƒ์ด๋‹ค
    
  • ์ˆ˜ํ•™:
๋งค์ถœ์ด ๋น„์šฉ๋ณด๋‹ค ๋” ๋นจ๋ฆฌ ์ƒ์Šนํ•˜๋ฉด ์ˆ˜์ต์€ ์ฆ๊ฐ€ํ•œ๋‹ค.
๋งค์ถœ์ด ๋น„์šฉ๋ณด๋‹ค ๋” ๋นจ๋ฆฌ ํ•˜๋ฝํ•˜๋ฉด ์ˆ˜์ต์€ ๊ฐ์†Œํ•œ๋‹ค.
  • ์–ด๋–ป๊ฒŒ?
๊ณ -ํˆฌ๋Š” ํŠน์ • ๋ถ„์•ผ์— ์ง‘์ค‘ํ•˜๊ธฐ ๋•Œ๋ฌธ์— ํšจ์œจ์ ์ด๊ณ (๊ฒ‰์œผ๋กœ ๋“œ๋Ÿฌ๋‚˜์ง„ ์•Š์ง€๋งŒ) ํƒ์›”ํ•œ ์šด์˜ ๋ฐฉ์‹์„ ๋ฐ”ํƒ•์œผ๋กœ ๋ชจ๋“  ์ผ์„ ์ฒ˜๋ฆฌํ•œ๋‹ค. ๊ทธ๋“ค๋งŒ์˜ ๋„๊ตฌ์™€ ํ”„๋กœ์„ธ์Šค, ๊ธฐ์ˆ ์„ ํ†ตํ•ด ๊ฒฝ์Ÿ ์—…์ฒด๋ณด๋‹ค ๋” ๋‚ฎ์€ ๋น„์šฉ์œผ๋กœ ์„œ๋น„์Šค๋ฅผ ์ œ๊ณตํ•œ๋‹ค.
  • ๊ฒฐ๊ตญ ๊ณ -ํˆฌ ๋ธŒ๋žœ๋“œ๋Š” ๊ณ ๊ฐ€์น˜๋ฅผ ์ €๋น„์šฉ์— ์ œ๊ณตํ•˜๋Š” ํ”„๋กœ์„ธ์Šค๋ฅผ ๊ตฌ์ถ•ํ•จ์œผ๋กœ์จ ๋” ๋งŽ์ด ๋‚จ๊ธฐ๊ณ  ๋” ๋งŽ์€ ์„ฑ์žฅ์„ ํ•  ์ˆ˜ ์žˆ๋‹ค๋Š” ๊ฒƒ์ด๋‹ค.
    • Front-end agnostic ํ•˜๊ฒŒ LiDAR SLAM code ๋ฅผ ๋ฆฌํŒฉํ† ๋ง ํ•˜๋ฉด์„œ ์ด๋Ÿฌํ•œ ํšจ์œจํ™” ๊ด€๋ จํ•œ ๋ถ€๋ถ„์— ๋Œ€ํ•ด ๊ณ ๋ฏผํ•˜์˜€์—ˆ๋‹ค. ๋‹น์‹œ์—๋Š” LeGO-LOAM์ด ๊ทธ๋‚˜๋งˆ ์“ธ๋งŒํ•œ ์˜คํ”ˆ์†Œ์Šค๋กœ ์ธ๊ธฐ๋ฅผ ๋ˆ ํ›„, ์ดํ›„ LIO-SAM, FAST-LIO ๋“ฑ ์“ธ๋งŒํ•œ LiDAR odometry ์˜คํ”ˆ์†Œ์Šค๋“ค์ด ์šฐํ›„์ฃฝ์ˆœ ๋‚˜์˜ค๊ธฐ ์‹œ์ž‘ํ•˜์˜€๋Š”๋ฐ, ํ•˜๋‚˜์˜ ์ฝ”๋“œ๋กœ ์ƒˆ๋กœ ๋‚˜์˜ค๋Š”(๋‚˜์˜ฌ) odometry ์™€ ์‰ฝ๊ณ  ๋น ๋ฅด๊ฒŒ ๊ฒฐํ•ฉํ•  ์ˆ˜ ์žˆ๊ฒŒ ํ•˜๋ฉด ์–ด๋–จ๊นŒ ๋ผ๋Š” ์Šค์Šค๋กœ์˜ ํ•„์š”๊ฐ€ ์žˆ์—ˆ๋‹ค. ๊ทธ๋ž˜์•ผ๋งŒ ๋‹น์‹œ ๋น ๋ฅด๊ฒŒ ๋ฐœ์ „ํ•˜๋˜ odometry ์˜ ํž˜์„ ์–ป์–ด ์ข‹์€ ํ’ˆ์งˆ์˜ point cloud map์„ ์ƒ์‚ฐํ•˜๋Š” ์ด๋“์„ ๋น ๋ฅด๊ฒŒ ๋ณผ ์ˆ˜ ์žˆ๊ธฐ ๋•Œ๋ฌธ์ด์—ˆ๋‹ค. ์ด ๊ฒฐํ•ฉ ์˜ˆ์‹œ๋“ค์—์„œ ๋ชจ๋‘ place recognizeer ๋กœ SC๋ฅผ ์‚ฌ์šฉํ•˜์˜€๊ณ , ๋•๋ถ„์— SC๊ฐ€ ๊ฒธ์‚ฌ๊ฒธ์‚ฌ ๋” ์•Œ๋ ค์ง€๊ฒŒ ๋  ์ˆ˜ ์žˆ์—ˆ๋˜ ๊ฒƒ ๊ฐ™๋‹ค.
  • ps. ํ•™๊ณ„์—๋„ ๋น„์Šทํ•œ ๋ง์ด ์žˆ๋‹ค: Publish or perish.
    • ์•„๋ฌด๋ฆฌ ์ข‹์€ ๋…ผ๋ฌธ์ด์–ด๋„ 5๋…„์— ํ•œ ํŽธ์„ ์“ธ ์ˆ˜ ์žˆ๋Š” ์‚ฌ๋žŒ๊ณผ ๋งค๋…„ 1ํŽธ์„ ์“ธ ์ˆ˜ ์žˆ๋Š” ์‚ฌ๋žŒ์˜ ์‹œ์žฅ ๊ฐ€์น˜๋Š” ๋‹ค๋ฅผ ๊ฒƒ์ด๋‹ค (์šฐ๋ฆฌ๋Š” Kaiming He ๊ฐ€ ์•„๋‹˜์„ ๊ธฐ์–ตํ•˜์ž).
  • ์ตœ๊ทผ ์ผ๋ก ๋จธ์Šคํฌ ์ „๊ธฐ ๋ฅผ ์ฝ์œผ๋ฉฐ ํฅ๋ฏธ๋กœ์› ๋˜ ๋ถ€๋ถ„๋„ ๋ฐ”๋กœ ๋น„์šฉ์— ๊ด€ํ•œ ๋‚ด์šฉ์ด์—ˆ๋‹ค. ๊ทธ๋Š” ๋ง‰์—ฐํ•œ ๊ณต์ƒ๊ฐ€๊ฐ€ ์•„๋‹ˆ๋ผ ๋ˆ„๊ตฌ๋ณด๋‹ค ๋น„์šฉ์ค‘์‹ฌ์ ์œผ๋กœ ์ƒ๊ฐํ–ˆ๋‹ค.

๊ฒฐ๋ก 

  1. ์ง‘์ค‘ํ•  ๋ฌธ์ œ๋ฅผ ์„ ์ •ํ•˜๊ณ , 2-3. ๊ทธ ๋ฌธ์ œ์˜ ๋…ธ๋ฒจํ‹ฐ์™€ ๋ฆฌ๋”์‹ญ์„ ์†Œ์œ ํ•˜๊ณ , 4. ์‹คํšจ์„ฑ ์žˆ๋Š” ์†”๋ฃจ์…˜์„, 5. ํšจ์œจ์ ์œผ๋กœ ์ƒ์‚ฐํ•˜์ž.