[SLAM] 방법론 4가지

SLAM 방법론은 크게 4가지로 나눈다.

1. 필터 : ( 확장 )칼만 필터, 파티클 필터, 예측-업데이트 과정을 반복적으로 수행
   • 예측은 데이터 수집과 매칭을 통한 현재 상태에 대한 예측값 생성
   • 업데이트는 예측값과 실제 측정값 사이의 오차를 기반으로 현재 상태 업데이트
2. 비전
   • 이미지 속에 포함된 특징을 매칭하여 상태를 예측하는 기법
   • 강인한 특징 모델 생성 및 매칭 기법이 중요
3. 그래프
   • 노드와 간선을 통해 간략화된 정보 기반 > 특징 매칭, 필터 계산 효율성 개선을 위해 활용
4. 딥러닝
   • 인공신경망에 대한 학습을 통해 최적의 결과를 만들어 내도록 시도
   • 최근 인공지능의 영상 데이터 분석 성능 향상

 

이러한 방법들을 조합하여 사용하는 것이 일반적이다.

Ex. 탐색을 위한 전략은 필터 기반( 탐색에 강함 ) 으로 사용, 매칭을 위한 방법으로는 비전 기반으로 사용

 

--

 

LiDAR SLAM과 Visual( 시각 기반 ) SLAM의 차이

 

전자 : 거리 데이터 기반이므로 이미지로 획득할 수 있는 정보가 없어 분별력이 낮다.

후자 : 이미지 정보의 분석을 기반으로 예측하여 이미지에 유의미한 특징이 없는 경우 성능이 저하된다.

 

*V2X( Vehicle-to-Everything ) 

유무선 통신을 통해 차량 주변의 다양한 플랫폼, 정보를 송수신하는 것