[SLAM] Graph-Based SLAM

본 글은

 

SLAM 한국어 강의

https://www.youtube.com/c/SLAMKR

 

Cyrill Stachniss 교수님

https://www.youtube.com/playlist?list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN_ 

 

강의를 듣고 개인적으로 정리한 글입니다.

 

Graph-Based SLAM

 

용어정리를 먼저하자면

 

GRAPH : 풀어야하는 문제를 나타냄

 

NODE : mapping 하는 중인 robot의 pose(로봇의 위치)과 landmark의 위치를 나타냄

 

EDGE : 두 노드 사이의 공간적인 constraints(sensor의 측정값 + landmark의 관측값)

 

Graph를 만들고, constraints에 의해 발생하는 error들을 최소화 할 수 있는 노드를 찾는 SLAM 방법이다.

 

 

-Front End

 

Sensor data를 matching 시켜가며 그래프의 pose를 작성한다.

 

- Back End

 

Least Square Method를 사용하여 pose을 Optimize한다.

 

=> Graph에 담긴 정보를 이용하여 Matrix 형태로 mapping하는 과정

Landmarks Observation

 

Landmarks Observation에 사용되는 센서에는 대표적으로 두개가 있다.

 

1) X-Y sensor

 

Robot의 위치에 대해 landmark의 상대적인 위치를 알 수 있음

 

이때 센서는 2차원 (x,y)의 값을 출력함

 

로봇의 관측값이 1개인 경우에는 landmark를 기준으로 원형의 위치에 있을 수 있으므로 Robot의 pose를 추정하기 위해서는 최소한 두개의 2D landmark observation이 있어야 위치를 특정할 수 있음

 

 

2) Bearing only Sensor

 

Robot과 landmark사이의 상대적인 회전각을 알 수 있음

 

 

이때 센서는 1차원 세타값(각도)을 출력함

 

1개의 관측값을 이용하는 경우에는 로봇의 위치가 x-y plane 위에 있다는 것만 확인할 수 있으므로, Robot의 pose를 추정하기 위해서는 최소한 3개의 landmark observation이 관측되어야 한다.