대칭모형 기반 SLAM : M-SLAM

Abstract

미지의 영역에서 작업을 수행하고자 하는 이동로봇은 주변의 지도가 없을 뿐만 아니라 자신의 위치도 알 수 없다. 이러한 환경의 극복을 위해 가장 많이 쓰이는 방법이 SLAM(Simultaneous Localization And Mapping)이다. SLAM 분야에서 가장 많이 쓰이는 방법은 EKF (Extended Kalman Filter) 기반의 SLAM이다. 최적의 센서 융합 기법이지만 odometeric error 등을 보상하기 위해서는 복잡한 과정이 점차 증가하게 된다. 사람은 SLAM 방식을 이용하여 낯선 장소에서 마음속의 지도를 쉽게 작성하지만 로봇의 경우 SLAM을 수행하는 것은 매우 어렵고 시간이 오래 걸린다는 단점이 생기는 것이 다. 이러한 단점의 보완을 위하여 본 논문에서는 대칭모형 SLAM(M-SLAM)을 제안한다. M-SLAM은 대칭에 사용할 모형을 미리 정하고 센서로 받아들인 데이터를 모형과 비교하여 대칭된 모형을 맵에 적용시켜서 작업의 양을 줄이는 방법이다. M-SLAM은 적은 특징점을 이용하여 선택된 대칭 도형과의 유사성 판별을 이용하는 방법이므로 특징점이 적은 거리센서에 사용하기 적합한 특성을 가지고 있다고 할 수 있다. 특징점이 적어도 된다는 장점은 SLAM의 시간을 크게 줄여 줄수 있다. The mobile robot which accomplishes a work in explored region does not know location information of surroundings. Traditionally, simultaneous localization and mapping(SLAM) algorithms solve the localization and mapping problem in explored regions. Among the several SLAM algorithms, the EKF (Extended Kalman Filter) based SLAM is the scheme most widely used. The EKF is the optimal sensor fusion method which has been used for a long time. The odometeric error caused by an encoder can be compensated by an EKF, which fuses different types of sensor data with weights proportional to the uncertainty of each sensor. In many cases the EKF based SLAM requires artificially installed features, which causes difficulty in actual implementation. Moreover, the computational complexity involved in an EKF increases as the number of features increases. And SLAM is a weak point of long operation time. Therefore, this paper presents a symmetrical model based SLAM algorithm(called M-SLAM).