로봇 핵심 기술과
시스템 통합 역량

임무 목적과 운용 환경에 따라 요구되는 지도 품질, 위치·자세 추정 정확도, 실시간 처리 성능을 기준으로 센서를 선정합니다. LiDAR·카메라·IMU의 특성과 GNSS 활용 가능성을 검토해 센서 조합과 SLAM 구성, 데이터 융합 방식을 결정합니다.

센서 간 시간 기준과 좌표계를 맞춰 이동 궤적 추정과 지도 구축에 사용할 입력 데이터를 구성합니다.

연속된 포인트 클라우드와 영상, 관성 측정값을 활용해 로봇의 상대 이동과 회전을 추정합니다. 센서별 관측 특성과 측정 불확실성을 반영하고, 시간에 따른 움직임을 연결하여 지도 구축에 사용할 이동 궤적을 구성합니다.

이동 속도와 회전, 센서 시야 변화가 추정 결과에 미치는 영향을 분석하고, 궤적의 연속성과 누적 오차를 확인합니다.

추정한 이동 궤적을 기준으로 서로 다른 시점에 수집한 센서 데이터를 공통 좌표계에 배치·정합하여 3차원 지도를 구축합니다. 포인트 클라우드와 영상 정보를 활용 목적에 맞게 구성해 공간 구조와 주요 대상의 형상·특징을 표현합니다.

지도의 좌표계와 데이터 구조를 일관되게 관리하여 자율주행의 기준 지도, 시설물 계측, 3차원 공간 재구성에 활용할 수 있도록 합니다.

재방문 구간의 관측을 연결하는 루프 클로저를 통해 누적 오차를 줄이고, 전체 궤적과 지도의 일관성을 높입니다. GNSS를 활용할 수 있는 환경에서는 수신 품질을 고려한 위치 정보를 추가 제약으로 반영합니다.

확보한 관측 간 관계와 외부 위치 정보를 바탕으로 전체 궤적과 지도를 최적화하여 장거리·장시간 이동에 따른 오차 누적을 완화합니다.

사전에 구축한 기준 지도와 실시간 센서 관측을 정합하여 지도 내 로봇의 현재 위치와 자세를 추정합니다. 측위 결과를 지속적으로 갱신하고, 지도 좌표계 기준의 위치·자세 정보를 자율주행과 로봇 작업에 제공합니다.

추정 신뢰도와 측위 상태를 함께 제공하여 관측 품질이나 환경 변화에 따른 위치 정보의 가용성을 판단할 수 있도록 합니다. 측위 상태가 저하되면 이 정보를 재측위 필요 여부를 판단하는 데 활용할 수 있도록 합니다.