확률적 로봇 공학 - 9. 점유 격자 지도 작성

9. 점유 격자 지도 장성 occupancy grid mapping

9.1 소개

 이전의 두 장에서는 로봇의 자세를 추정시키는 저차원 인지 문제들에 대한 확률적 기술의 응용들을 살펴보았습니다. 하지만 이 경우들은 지도가 주어진 경우를 다루는 것이고, 지도가 사전에 준비되거나 만들어진다면 현실적으로도 되기는 합니다. 하지만 다른 응용분야에서는 이런 식으로 사전에 지도가 주어지지 않는 경우도 있습니다. 대다수의 빌딩들은 도면 대로 되어있지도 않을 분더러, 설계도가 정확한다해도 로봇 관점에서 가구나 다른 물건들을 포함하고 있지 않은체 벽과 문같은 환경의 형태만 나타내고 있습니다.  지도에 대해서 처음부터 배우는 것은 이동 로봇 설치시에 발생하는 노력들을 줄일수 있고 로봇이 사람의 도움없이 변화에 적응할수 있게 됩니다. 지도 작성 mapping은 자율주행 로봇의 가장 핵심 기능중 하나가 됩니다.

 

 이동로봇을 이용하여 지도를 얻는 것은 다음의 많은 이유들로 해결해야되는 문제가 됩니다.

 

- 가정 공간 hypothesis은 지도 상에 가능한 모든 공간으로 큰 편입니다. 지도는 연속 공간에서 정의되기 때문에 모든 지도의 공간은 많은 차원들을 가지고 있으며, 이번에 살펴볼 그리드 근사같은 이산 근사에서도 지도는 10^5 또는 더 많은 변수들로 나타내게 됩니다. 고차원 공간에서의 크기는 지도에상 전체 사후확률을 계산하기가 더 힘들며, 위치 추정시에 잘 동작하는 베이즈 필터 방법들도 지금까지 살펴본 방법만으로는 지도를 작성하는 문제에서 적용할수 없습니다.

 

- 지도 작성 learning map은 "닭과 달걀" 문제이기도 한데, 동시적 위치 추정 및 지도작성 Simultaneous localization and mapping SLAM이나 concurrent mapping and localization problem 문제라고도 합니다. 로봇이 이동하면서 오도메트리상에 오차들이 누적되어, 결국에 로봇이 어디에 존재하는지 점차 잃어버리게 됩니다. 지도가 주어지는 경우 로봇의 자세를 추정하는 방법들은 이전 챕터에서 봤지만, 로봇의 자세를 알때 지도를 작성하는것은 상대적으로 쉬워지며 이번과 다음 장에서 살펴보겠습니다. 하지만 초기 위치와 정확한 자세 정보 없이는 로봇은 지도 추정과 이 지도상에서 자신의 위치 추정을 동시에 해야만 합니다.

 

 물론 모든 지도 작성문제들이 똑같이 어렵지는 않습니다. 지도 작성 문제의 어려움은 중요하게 다룰지 요소들에 따라서 정해지게 됩니다.

 

- 크기

 로봇이 인식할 수있는 범위보다 환경이 커질수록 지도를 얻기가 더 힘들어 집니다.

 

- 구동과 인지 시 노이즈 noise in perception and actuation

 로봇의 센서와 구동기가 노이즈가 없는 경우에 지도 작성은 쉽겠지만 노이즈가 클수록 이는 더 어려워집니다.

 

- 인지 모호함 perceptual ambiguity

 비슷하게 생긴 장소가 더 많을수록 서로 다른 장소간에 대응관계를 만들기가 더 어려워집니다.

 

- 사이클 cycle

 지도 작성시에 사이클은 특히 어렵습니다. 만약 로봇이 복도를 왔다갔다한다면, 사이클은 돌아오면서 오도메트리 에러를 고칠수 있는데, 로봇이 다른 경로로 되돌아오면서 누적된 오도메트리 정보를 가진체 닫힐때 에러가 커질수 있습니다.

 

표 9.1 (a) 오도메트리로 자세가 인덱싱된 기존 거리 데이터, (b) 지도

 

 지도 작성의 어려움을 보려면 그림 9.1을 보시면 됩니다. 여기에는 큰 내부 공간에서 수집한 데이터 셋을 보여주고 있는데, 그림 9.1a는 로봇이 기존의 오도메트리 정보를 가지고 생성한 것입니다. 검은 점은 로봇이 거리계로 감지한 장애물을 의미합니다. 그림 9.1 b는 이 데이터를 맵핑 알고리즘에 적용한 결과를 보여주고 있으며 이번 장에서 이런 기술들에 대해 살펴보겠습니다. 

 

 이번 장에서는 로봇의 자세를 알고있다는 제한아래에 지도 작성 문제를 배워볼것이고, 추가적으로 경로 정보가 주어지더라도 SLAM의 어려움을 살펴보겠습니다. 여기서 다뤄볼 알고리즘 군을 점유 격자 occupancy grid라 부릅니다.

 

 점유 격자 지도는 로봇의 자세를 알고있는 경우에 측정 데이터의 불확실성과 노이즈로부터 일관된 형태의 지도를 작성하는 문제들을 다룹니다. 점유 격자의 기본 아이디어는 지도를 확률 변수의 필드로 나타내는 것으로 각 환률변수는 해당 장소가 점유되었는지를 나타내는 2진 값으로 이루어집니다. 점유 격자 지도 작성 알고리즘은 이러한 확률 변수에 대해 사후확률 추정치 근사를 구현하게 됩니다.

 

 이러한 지도 작성 기술에서 자세 정보의 중요함을 아직은 잘 모를텐데, 이후에 로봇의 오도메트리가 없는 경우를 보겠습니다. 점유 격자 기술의 주요 도구는 후처리이며, 이후 살펴볼 많은 SLAM 기술들은 경로 계획과 주행에 적합한 지도를 생성하지 못합니다. 점유 격자 지도는 다른 의미로 SLAM 문제를 풀기 위해서 사용되기도 하는데, 이 점유 격자 지도는 경로 추정에 사용되기도 합니다.