[논문 리뷰] Simultaneous Localization and Mapping (SLAM) using RTAB-MAP

Sagarnil Das|arXiv (Cornell University)|2018. 09. 09.

Robotics and Sensor-Based Localization참고 문헌 1인용 수 15

한 줄 요약

이 논문은 실시간 2D 및 3D 동시 위치 추정 및 맵핑(SLAM)을 위한 RTAB-Map를 시뮬레이션 환경에서 구현하였으며, ORB-SLAM을 활용한 외관 기반 루프 클로징을 통해 장기적인 맵핑의 정확성을 높였습니다. 주방-식당 환경에서 총 66회의 글로벌 루프 클로징를 기록하였고, 세밀한 2D 점유 격자 맵과 3D 포인트 클라우드를 성공적으로 재구성하여 RTAB-Map가 복잡한 환경에서 대규모 실시간 SLAM에 효과적임을 입증하였습니다.

ABSTRACT

This paper implements Simultaneous Localization and Mapping (SLAM) technique to construct a map of a given environment. A Real Time Appearance Based Mapping (RTAB-Map) approach was taken for accomplishing this task. Initially, a 2d occupancy grid and 3d octomap was created from a provided simulated environment. Next, a personal simulated environment was created for mapping as well. In this appearance based method, a process called Loop Closure is used to determine whether a robot has seen a location before or not. In this paper, it is seen that RTAB-Map is optimized for large scale and long term SLAM by using multiple strategies to allow for loop closure to be done in real time and the results depict that it can be an excellent solution for SLAM to develop robots that can map an environment in both 2d and 3d.

연구 동기 및 목표

• 모르는 환경에서 정확한 2D 및 3D 맵을 생성할 수 있는 실시간 SLAM 시스템을 개발하는 것.
• 시뮬레이션 환경을 활용하여 RTAB-Map의 대규모 및 장기 맵핑 시나리오에서의 성능을 평가하는 것.
• 맵 일관성과 위치 추정 정확도를 유지하는 데 있어 외관 기반 루프 클로징의 효과성을 평가하는 것.
• 실시간 3D 재구성 및 루프 클로징 탐지에 ORB-SLAM을 RTAB-Map 내부에서 활용할 수 있는 가능성을 입증하는 것.
• 복잡한 실내 환경에서의 로봇 주행 및 환경 맵핑을 위한 RTAB-Map의 실용적 구현을 탐색하는 것.

제안 방법

• RTAB-Map를 사용하여 주방-식당 및 사용자 정의의 sagar-cafe 세계라는 두 가지 시뮬레이션 환경에서 SLAM을 수행하였습니다.
• 로봇 주행 중 수집된 센서 데이터로부터 2D 점유 격자 맵과 3D 옥타맵을 생성하였습니다.
• 루프 클로징 탐지는 ORB-SLAM 알고리즘을 활용하여 이전에 방문한 장소를 실시간으로 인식하도록 구현하였습니다.
• 로봇 자세 추정 및 실시간 맵 갱신을 위해 몬테 카를로 로컬라이제이션(MCL)과 점유 격자 맵핑을 통합 구현하였습니다.
• 시뮬레이션(world.launch), 원격 조작(teleop.launch), RTAB-Map 노드 실행(mapping.launch), 시각화(rviz.launch)를 관리하기 위해 런치 파일을 설정하였습니다.
• 맵핑 데이터는 rtabmap.db 데이터베이스에 저장되었으며, 3D 포인트 클라우드는 시각화 및 분석을 위해 내보내졌습니다.

실험 결과

연구 질문

• RQ1 RTAB-Map는 시뮬레이션 환경에서 외관 기반 루프 클로징를 활용해 실시간으로 대규모 2D 및 3D SLAM을 달성할 수 있는가?
• RQ2 장거리 로봇 주행 중 ORB-SLAM 기반 루프 클로징 메커니즘이 루프 클로징를 탐지하고 수정하는 데 얼마나 효과적인가?
• RQ3 동일한 환경을 여러 번 주행할 경우 RTAB-Map가 맵 일관성과 위치 추정 정확도를 얼마나 잘 유지하는가?
• RQ4 높이 차이 또는 투명한 장벽과 같은 구조적 과제를 가진 환경에서 RTAB-Map의 맵핑 능력에 어떤 한계가 있는가?
• RQ5 미래의 로봇 응용 분야에서 장애물 탐지 및 WiFi 신호 세기 맵핑을 위한 RTAB-Map의 확장 방법은 무엇인가?

주요 결과

• RTAB-Map 시스템은 주방-식당 환경에서 높은 특징 충실도를 보이며 세밀한 2D 점유 격자 맵과 3D 포인트 클라우드 맵을 성공적으로 구축하였습니다. 테이블, 의자, 벽과 같은 물체의 특징이 잘 유지되었습니다.
• 주방-식당 환경에서 총 66회의 글로벌 루프 클로징를 기록하여 장기간 주행 동안 뛰어난 루프 클로징 탐지 성능을 입증하였습니다.
• 주방-식당 환경에서의 3D 포인트 클라우드 재구성은 RTAB-Map 뷰어 및 RViz에서의 시각적 점검을 통해 환경 특징을 정확하게 반영하고 있음을 확인하였습니다.
• sagar-cafe 세계에서는 로봇이 주방 영역에 진입하지 못했으며, 이는 높이의 격차 또는 투명한 문으로 인한 것으로 보아 시뮬레이션에서 물리적 장벽을 처리하는 데 한계가 있음을 시사합니다.
• rtabmap.db 데이터베이스 및 시각화 결과를 통해 안정적인 맵 갱신과 신뢰할 수 있는 루프 클로징 탐지가 이루어져 실시간 성능이 확보되었습니다.
• 향후 장애물 추출 및 WiFi 신호 세기 맵핑 등의 확장 방안이 주행의 안정성과 환경 인식 능력을 향상시키는 데 유망한 것으로 확인되었습니다.