[SLAM] SLAM의 종류

SLAM에 사용할 수 있는 센서

0. Sensor

Type of Sensors

- Propriceptive sensor: 자기 자신의 정보를 얻는 센서

- Exteroceptive sensor:  외부 환경 정보를 얻는 센서

 

모든 센서는 노이즈를 갖는다

 

1. Propriceptive sensors

Wheel encoder

로봇이나 자동차 등의 바퀴에 달려 바퀴의 회전량을 측정하는 센서

디스크의 회전량을 구해 바퀴의 회전량을 구한다

 

brush, optical magnetic 등 다양한 방법이 있다

 

바퀴의 회전량과 둘레를 곱해 이동량을 구한다

 

드론에도 날개를 돌리기 위해 달려있다

 

모션 값을 누적해서 차체를 유지한다

 

시간이 지날수록 에러가 누적된다

 

GPS 정보를 통해서 odometry를 보정할 수 있지만

실시간으로  진행하기에는 무리가 있다

 

바퀴가 헛도는 등 

타이어가 눌려 회전 수에 달라지거나 바퀴가 닳는 등 

휠 odometry에 오차가 발생할 수 있다

 

이를 보정하여 정확히 하기 위해서는 많은 연산량이 필요하다 

IMU

선형 가속도(linear ac)를 측정하는 센서와 각속도(angular ac)를 측정하는 센서가 혼합된 센서

spring-damper system의 원리를 적용한다

 

실제로 스프링이 달려있지는 않지만

진동을 읽어 전기 신호로 변환한다

 

온도나 자기장의 변화 등에 강한 optical system은 차량용으로 쓰이며 

부피를 줄일 수 있는 MEMS는 스마트폰 및 소형 디바이스에 사용된다 

 

IMU의 장점으로는

차량용을 제외한 일반 소비자 제품은 저렴한 편이다

높은 sensitivity를 가지고 있으며,

높은 FPS를 가진다 (100Hz ~ 4000Hz)

 

IMU의 단점으로는 

bias에 민감해 그 값이 계속 쌓이면서

엄청나게 빠른 drift가 누적된다

 

값을 보정하기 위해 카메라, 라이다, GNSS 등과 함께 사용한다

 

 

2. Exteroceptive Sensors

GNSS(Global Navigation Satellite System)

인공위성과의 통신을 통해 상호 인공위성 사이의 통신 시간 차이를 통해 위치를 측정한다

삼각 측량 법을 사용한다

 

인공위성은 지구의 자전 속도와 같이 움직인다

 

Ego-motion을 추정하기 때문에 proprioceptive sensor 같지만, 외부 비콘을 사용하기 때문에 exteroceptive sensor이다

 

GNSS의 장점은 

싸고 이용하기 쉽다

 

GNSS의 단점은 

정확도가 낮다(몇 미터 이내 오차)

정확도를 높힐 수 있는 장치는 비싸다

고층 빌딩 사이에서는 multi path 문제로 신호 수신에 많은 시간이 걸려 오차가 발생한다

벽 등에 막혀 실내와 지하에서는 사용할 수 없다

 

LiDAR(Light Detection And Ranging sensors)

적외선 레이저를 쏘고 반사 시간을 측정하여 거리를 추정하는 센서

짧은 레이저를 쏘고 받는 형식과 

계속 쏘고 받는 등 레이저와 스캐닝 방식에 따라 다양한 종류가 있다 

 

 

주변 환경을 3D point cloud 형태로 바로 알 수 있다

 

장점은 

Ex 센서 중 가장 정확한 편이다

빛의 파장 간섭이 발생하지 않기 때문에 낮에도 사용 가능하다

 

단점은 

라이다 간의 레이저 간섭이 발생할 수 있다

비싸다

카메라에 비해 resolution이 낮다

눈, 비, 안개 등에 영향을 받는다

multi path 문제가 발생하다

가까이 있는 물체는 데이터 밀도가 높기 때문에  잘 인식하지만

멀면 데이터 밀도가 낮아 잘 인식이 안될 수 있다

 

solid state lidar의 경우 멀리 있는 물체도 잘 인식하지만 

여러 방향으로 탑재해야 주변 전체 환경을 알  수 있다

 

고인 물 등에 대해 레이저가 반사되서 돌아오는 경우 

거리 측정에 큰 오차가 발생할 수 있다

 

RADAR

반사되서 돌아오는 전파를 측정하여 거리를 재는 센서

도플러 효과를 이용하여 이동 물체의 속도를 추정할 수 있따

 

장점은

날씨와 햇빛의 영향을 받지 않느다

타 센서에서는 얻지 못하는 속도를 추정할 수 있다

 

단점은 

작은 물체는 감지할 수 없다

센서의 해상도가 낮고

multi path 문제가 있다

 

도플러 값이 0이면 다른 센서들로 커버해야 한다

 

 

물체가 움직이는지 구분하기에는 카메라 보다 훨씬 파악하기 수월하다 

Ultrasonic

초음파를 이용하여 거리를 측정하는 센서

 

장점은

저렴하고 근거리에서 잘 작동한다

 

단점은 

단순히 거리만 측정 가능하여 물체의 형태를 추정할 수 없다

노이즈가 들어와 따로 후처리가 필요하고 여러 개를 사용하기도 한다

 

Camera

광센서를 이용해 빛 신호를 받고 

a to d 하여 저장한다

 

장점은

저렴하며

dense data로 규칙을 찾아 추론할 수 있다

렌즈 교환을 통해 시야각을 변경할 수 있다

사람이 보는 시야와 가장 유사하다

 

단점은 

depth 정보가 소실되며

주변 밝기의 영향을 많이 받는다

 

Microphones

공기의 진동을 감지해 전기 신호로 변환하는 센서

 

장점은

소리를 사용한다면 가장 유용하게 사용할 수 있으며

저렴하다

 

단점은 

위치 정보가 부정확하고

잡음에 예민하게 반응한다

연구되는 곳이 없다

 

 

SLAM의 종류

Sensor

SLAM은 사용하는 센서에 따라 종류가 달라진다

 

- LiDAR SLAM: LiDAR 정보를 이용하는 SLAM

ex = LiDAR

 

- RADAR SLAM: RADAR 정보를 이용하는 SLAM

ex = RADAR

 

여러 센서가 섞여 SLAM을 한다면 사용된 센서들을 나열한 후 'SLAM'을 붙이면 된다

Visual SLAM/VSLAM

- 특징

Visual 정보를 이용하는 SLAM

Ex = camera

 

- 장점

저렴한 센서를 사용 

센서의 성능을 조절하기 쉽다

센서 속도가 빠르다

이미지 기반 딥러닝을 적용할 수 있다

이미지는 사람이 이해하기 쉽기 때문에 시각화하기 쉽다

 

- 단점

갑작스러운 빛 변화에 대응하기 어렵다

시야가 가려지거나 어두우면 사용할 수 없다

 

- 렌즈

3차원 정보를 2차원 정보를 변환하는 데에

렌즈의 역할이 가장 크다

렌즈에 따라 카메라에 수집되는  정보가 다르고 추후 연산이 달라진다

 

- 카메라의 종류 

RGB, GRAYSCALE 등

 

커메라 구성에 따른 종류

- Monocular camera: 1개의 카메라

장점은 

1대의 카메라와 컴퓨터만 있으면 되므로

하드웨어 값을 포함한 calibration 등의 소프트웨어 비용도 가장 적다

 

단점은

한 장의 이미지로 깊이 정보를 알 수 없다

깊이 정보는 임의의 스케일로 추정된다

실제 정보와 얼마나 유사한지 확인할 수 없기 때문에 추가적인 거리 센서가 필요하다

혹은 딥러닝 기반으로 문제를 해결하려는 시도가 있다

 

DSO(Direct Space Odometry)라는 가장 유명한 논문이 있다

 

- Stereo camera: 2개의 카메라/Multi camera: 여러 개의 카메라

인접한 카메라들의 정확한 거리(baseline)를 알아야 한다

 

장점은

두 이미지 간의 정보를 이용하여 픽셀마다 깊이 정보를 추정할 수 있다

이로 3차원 정보로 복원할 수 있다

 

단점은

baseline의 완벽한 정보를 알 수 없다

calibration을 완벽히 해야하며, 완벽히 하더라도 이후에 오차가 발생할 수 있다

baseline이 충분히 길어야 먼 거리의 깊이 공간을 예측할 수 있다

모든 픽셀마다 깊이 정보를 계산 하는 데에 많은 계산양이 필요하며, 가속기가 필요할 수 있다

Stereo SLAM의 유명한 모델로 OpenVINS의 stereo VIO 가 있다

 

Multi SLAME의 유명한 모델로 Omni SLAM이 있다

이를 사용하면 맵이 꽉찬다

 

 

 

- RGB-D: 깊이 감지 센서를 포함한 카메라

기존의 RGB 센서와 함께 구조광 센서 혹은 ToF 센서를 이용한 카메라를 사용한다

센서가 직접 깊이 정보를 얻기 때문에 따로 계산이 필요하지 않다

 

장점은 

실시간으로 3차원 공간을 복원 가능하다

 

단점은 10미터 내에서만 깊이 정보가 정확하다

시야각이 적다

실제로 위치가 같지 않다

해상도가 많이 낮아질 수 있다

햇빛의 적외선 파장이 간섭되어 실외에서 사용하기 어렵다