[SLAM] Hierarchical Pose Graphs for 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.

 

Hierarchical Approach

 

Motivation

 

Back-End에서 graph optimization을 할 때, 실시간으로 정보가 들어오게 되므로, 진행할 수록 로봇의 pose들이 쌓여가므로 Graph가 점점 커지게 된다.

 

이 경우 optimization을 수행할 때 필요한 연산량이 계속해서 증가하게 되는데, 이는 수행 속도를 느리게 하는 단점을 가지고 있다.

 

이렇게 해서 생겨난 방법이 Hierarchical Approach이다.

 

1. 먼저 거리를 기반으로 하여 node들을 grouping한다.

 

2. 그 후 group 내에서 가장 먼저 관측된 node를 대표로 선택한다.

 

3. 대표들을 먼저 optimize하고, 해당 결과를 대표에 연결된 다른 node들에 전파한다.

대표끼리 update 후 하위 노드로 최적화 값 전파

 

하위노드로 전파되는 과정을 자세히 살펴보게 되면

 

 

먼저 대표 node를 잇는 edge를 생성하고, 그 edge를 기준으로 원래 있던 edge들을 수정한다.

 

Conclusion

 

Grouping하는 과정에서 group간의 update는 독립적으로 간주하기 때문에, group간 연산 시 병렬 처리가 가능하다.

이는 연산 속도를 줄이는 효과를 얻을 수 있다는 장점이 존재한다.