[SLAM] 자율주행을 위한 SLAM

SLAM 이론 공부

SLAM 분야는 타 분야에 비해 한국 공부 자료가 적은 편이라 국내 자료를 찾기 쉽지 않다

최근에 좋은 자료들이 많이 나왔기 때문에 많이 찾아보면 도움이 될 것이다

 

 

SLAM 을 이해하기 위해 공부해야 하는 3가지

Mathematics(수학)

- Linear Algebra(선형 대수): 중요한 정보를 추출하고 공간에 대한 이해와 변환을 위해 사용한다

- Probability & Statics(확률과 통계): 센서로부터 얻은 데이터를 확률 분포로 나타내기 위해 사용한다

 

Computer Vision(컴퓨터 비전)

- Imaging: 카메라로부터 이미지를 얻는 과정, 하드웨어의 설정을 다룬다

- Image process: 얻은 이미지를 처리하는 과정, 3D로 구성하기 위해 이미지를 잘 처리해야 한다

 

Optimization(최적화)

- Optimization theory: 최적의 위치와 최적의 지도를 생성하기 위해 사용한다

- Numerical optimization: 다양한 기법을 통해 최적화한다

 

 

Computer Vision의 발전과 Visual SLAM

Computer Vision의 발전

2D 이미지를 얻는 과정에서 3차원의 깊이 정보는 사라진다

한 장 혹은 여러 장의 2D 이미지를 통해 얻는 3차원 정보는 왜곡되거나 부정확할 수 밖에 없다

그러므로 이에 대한 연구가 진행되고 있다

자율주행을 위한 Perception

기본적 perception

- Lane Detection

- Object Detection

- Segmentation

 

DL 기술이 발전되었을 때

- Object tracking & Motion prediction: 자동차 주변에 움직이는 객체와 움직이지 않는 객체를 파악하고 그 중 움직이는 객체의 움직임을 예측한다. 마주 보는 차량이 직진할 지, 좌회전 혹은 우회전 할 지 예측한 정보를 기반으로 안전한 운행을 진행한다

- 3D object detection & Pose estimation: 객체의 방향성을 고려하여 객체와의 실제 거리와 크기를 구할 수 있다

 

Visual-SLAM

공간, 위치, 상태를 이해하여 2D 이미지를 기반을 3D 공간을 형성하는 모델

3차원 정보를 저장할 수 있다

 

주행 중 주변 공간을 이해하여

현재 위치를 파악하고 주변의 벽과 물체들의 위치를 파악할 수 있다

이를 통해 차량이 주행 가능한 영역을 판단할 수 있다