[논문 리뷰] A Survey of Simultaneous Localization and Mapping with an Envision in 6G Wireless Networks

Baichuan Huang, Jun Zhao외 1명|arXiv (Cornell University)|2019. 08. 24.

Robotics and Sensor-Based Localization참고 문헌 273인용 수 33

한 줄 요약

이 논문은 Lidar, visual, 및 융합 접근 방식에 걸친 SLAM을 조사하고, 센서, 오픈 소스 시스템, 딥 러닝 통합, 도전과제, 그리고 6G-enabled SLAM을 포함한 향후 방향을 고찰한다.

ABSTRACT

Simultaneous Localization and Mapping (SLAM) achieves the purpose of simultaneous positioning and map construction based on self-perception. The paper makes an overview in SLAM including Lidar SLAM, visual SLAM, and their fusion. For Lidar or visual SLAM, the survey illustrates the basic type and product of sensors, open source system in sort and history, deep learning embedded, the challenge and future. Additionally, visual inertial odometry is supplemented. For Lidar and visual fused SLAM, the paper highlights the multi-sensors calibration, the fusion in hardware, data, task layer. The open question and forward thinking with an envision in 6G wireless networks end the paper. The contributions of this paper can be summarized as follows: the paper provides a high quality and full-scale overview in SLAM. It's very friendly for new researchers to hold the development of SLAM and learn it very obviously. Also, the paper can be considered as a dictionary for experienced researchers to search and find new interesting orientation.

연구 동기 및 목표

• SLAM의 포괄적 개요 제공, Lidar SLAM, visual SLAM 및 이들의 융합 포함.
• SLAM에 적용된 센서, 오픈 소스 시스템 및 딥 러닝 기술을 요약한다.
• SLAM의 도전 과제와 향후 방향을 식별하며, SLAM에서 6G 네트워크의 구상된 역할을 포함한다.

제안 방법

• 기존의 Lidar 및 visual SLAM 시스템을 목록화하고 2D/3D, mono/stereo/RGB-D, 직접 접근법 대 특징 기반 접근법으로 분류한다.
• 센서 유형(Lidar, 카메라, IMU, 이벤트 카메라)과 다양한 오픈 소스 SLAM 도구를 요약한다.
• 특징 추출, 인식/세분화 및 의미 SLAM에서의 딥 러닝 연구를 논의한다.
• 비용, 저 텍스처, 동적 환경, 적대적 공격 등의 도전 과제와 다중 센서 융합 전략을 강조한다.
• SLAM을 위한 6G 활성화된 미래와 무선 네트워크와의 통합을 개략한다.

실험 결과

연구 질문

• RQ1 주요 SLAM 패러다임(Lidar, Visual, 및 fusion)과 그 핵심 구성요소는 무엇인가?
• RQ2 현재 SLAM 실천에 영향을 주는 센서, 오픈 소스 시스템 및 딥 러닝 기술은 무엇인가?
• RQ3 SLAM의 주요 도전 과제와 향후 방향은 무엇이며, 6G 구상도 포함되는가?
• RQ4 다중 센서 융합 및 시각-관성 통합이 SLAM 성능을 어떻게 향상시키는가?

주요 결과

• 이 논문은 새로운 연구자와 경험 많은 연구자 모두에게 유용한 고품질의 전체 규모 SLAM 개요를 제공합니다.
• Lidar SLAM과 Visual SLAM 시스템, 센서, 및 딥 러닝 통합을 목록화하고 대조합니다.
• 비용, 저 텍스처/동적 환경, 그리고 적대적 센서 공격과 같은 도전 과제를 논의합니다.
• 하드웨어, 데이터 및 작업 계층의 다중 센서 융합과 핵심 보강으로서 Visual Inertial Odometry를 강조합니다.
• 6G 무선 네트워크 내의 SLAM에 대한 비전 제시를 개략하고, 향후 연구 방향과 응용을 지목합니다.