Multi-Camera Visual SLAM for Robust Localization in Repetitive and Symmetric Environments

본 논문에서는 물류 창고 환경과 같이 대칭적이고 기하학적으로 반복되는 구조가 많은 환경에서 자율주행 로봇의 위치 추정 안정성을 확보하기 위해, 다중 카메라와 LiDAR를 융합한 비주얼 SLAM 방법을 제안한다. 기존의 adaptive monte carlo localization(AMCL) 기반 위치 추정 방법은 대칭적이고 기하학적으로 반복되는 구조가 많은 환경에서 ‘kidnapped robot’ 현상으로 인해 위치 추정 오차가 크게 증가하는 반면, 본 연구에서 제안한 시스템은 다각도로 배치된 RGB-D 카메라와 LiDAR로부터 얻은 정보 융합을 통해 루프 클로저 검출 빈도 및 정확도를 향상시키고, 포즈 그래프 최적화로 누적 드리프트를 억제한다. 실험을 통해 AMCL 방식 대비 위치 추정 정확도와 강건성이 향상되고, ‘kidnapped robot’ 현상이 완화됨을 검증하였다. 이러한 결과는 대칭적이고 기하학적으로 반복되는 구조가 많은 환경에서 제안하는 위치 추정 기법의 우수성을 보였다.