센서 입력에서
다중 로봇 시스템까지.

SLAM은 하나의 알고리즘을 모든 환경에 일률적으로 적용하기보다 공간 구조, 조명 조건, 로봇의 이동 특성, 센서 시야 범위와 연산 자원을 종합적으로 고려해 구성합니다. LiDAR·카메라·IMU·GNSS 가운데 운용 환경에 필요한 센서를 선정하고, 센서 조합과 데이터 결합 방식을 결정합니다.

LiDAR 기반, Visual 기반, LiDAR·Visual·Inertial 결합 방식 등 다양한 구성을 검토하고, 센서 간 시간 기준과 좌표계를 정렬하여 궤적 추정에 사용되는 입력 데이터의 일관성을 확보합니다.

연속된 포인트 클라우드와 영상, 관성 측정값을 결합하여 로봇의 위치와 자세를 지속적으로 추정합니다. 각 센서가 제공하는 이동 단서와 측정 불확실성을 반영해 프레임 간 움직임을 추정하고, 이를 연속적으로 연결하여 이동 궤적을 구성합니다.

로봇의 이동 속도와 회전, 센서 시야 변화에 따라 발생하는 추정 오차를 분석하고, 궤적의 연속성과 누적 드리프트를 확인합니다. 이를 바탕으로 운용 환경과 센서 특성에 맞는 실시간 위치·자세 추정 흐름을 구성합니다.

추정된 위치·자세를 기준으로 연속된 센서 관측을 정합·누적하여 일관된 3차원 지도를 구축합니다. 포인트 클라우드와 영상 정보를 활용 목적에 맞게 구성하여 공간의 구조와 주요 형상·특징이 유지되도록 합니다.

구축한 지도는 로봇 자율주행을 위한 기준 지도뿐 아니라 시설물 계측과 3차원 공간 재구성에도 활용할 수 있도록 좌표계와 데이터 구조를 일관되게 관리합니다.

장시간 이동하면서 누적되는 위치·자세 추정 오차는 재방문 구간의 루프 클로저와 GNSS 등 외부 위치 정보를 활용해 보정합니다. 국소적인 궤적 오차뿐 아니라 전체 궤적과 지도의 전역 일관성이 유지되도록 최적화합니다.

GNSS를 활용할 수 있는 실외 환경과 수신이 제한되는 실내·복합 환경을 구분하고, 가용한 위치 제약에 따라 보정 방식을 구성합니다. 이를 통해 장거리·장시간 운용에서도 궤적과 지도의 정확도 및 일관성을 유지할 수 있도록 합니다.

구축한 기준 지도와 실시간 센서 관측을 정합하여 로봇의 현재 위치와 자세를 추정합니다. 지도 좌표계를 기준으로 일관된 위치·자세 정보를 제공하여 자율주행과 로봇 작업에 활용할 수 있도록 합니다.

LiDAR·카메라 관측을 기준 지도와 지속적으로 정합하고 지도 정합 결과를 일정한 주기로 갱신합니다. 공간 구조나 조명 변화로 관측 품질이 낮아지는 경우에는 추정 신뢰도와 측위 상태를 함께 제공하여 자율주행 모듈이 위치 정보의 가용성을 판단하고 필요한 경우 재정합 절차로 전환할 수 있도록 합니다.