This dissertation proposes a robust simultaneous localization and mapping~(SLAM) framework leveraging ground segmentation. SLAM is an integral part of autonomous driving because a 3D map provides information about surroundings that helps robots to localize themselves with respect to the map coordinates. Recently, light detection and ranging~(LiDAR) sensors have been widely used to achieve mapping, localization, and perception due to their precise measurements compared with other sensors. This thesis begins with the observation that most cloud points within the 3D point cloud captured by a LiDAR sensor are from the ground. Since these ground points are redundant and featureless, so these points potentially degrade the performance of feature matching and object clustering. Therefore, in this thesis, various studies to tackle the problem above are proposed. This thesis mainly consists of four parts: a)~a fast and robust region-wise ground segmentation method as a preprocessing step, called \textit{Patchwork}, b)~LiDAR odometry utilizing the robust ground segmentation, c)~robust global registration using ground segmentation to perform loop closing in SLAM, called \textit{Quatro++}, and d)~static map building, called \textit{ERASOR}, based on the premise that most of the dynamic objects in the urban environments come into contact with the ground. In particular, this thesis emphasizes that ground segmentation should be robust against uneven environments and applicable without prior knowledge of the surroundings. Through these four steps, a 3D static map for robotic navigation can be successfully achieved. As verified by various experiments, it was shown that our proposed methods outperform the state-of-the-art methods.
본 학위 논문에서는 지상형 자율주행 차량 및 모바일 로봇에 활용할 수 있는, 지면 인식을 활용한 강인한 동시적 위치 추정 및 지도 작성 방법에 대해 탐구한다. 자율 주행 차량이나 모바일 로봇을 서비스에 활용하기 위해서는 지도 작성 기술이 필수이다. 왜냐하면 주변 상황에 대한 정보를 미리 모델링해두어야 이러한 정보를 기준으로 지도상의 자신의 위치를 추정할 수 있기 때문이다. 본 학위 논문에서는 지상형 로봇들에 라이다 센서를 부착하였을 때 획득하는 삼차원 점군(3D point cloud)의 대부분이 지면(ground)라는 것에서 출발한다. 이러한 지면 정보는 기하학적인 정보가 비지면 물체(non-ground objects)에 비해 뚜렷하지 않기 때문에 위치 추정을 하거나 지도를 작성할 때 잘못된 피처 매칭을 야기하여 성능을 저하하기도 한다. 따라서 본 학위 논문에서는 이러한 지면 정보를 활용한 다양한 연구를 제안한다. 크게 본 학위 논문은 1)~전처리 단계로써 활용하기 위한 빠르고 강건한 지면 인식 기술, 2)~이러한 강건한 지면 인식 기술을 활용한 라이다 오도메트리(odometry)와 3)~지면 인식 기술을 전처리로 활용한 강인한 루프 클로징(loop closing) 기술, 4)~도심 환경의 동적 물체들은 대부분 지면에 부착되어 있다는 가정을 통한 정적 지도 생성 기술로 구성되어 있다. 특히 본 학위 논문에서는 주변 환경에 대한 어떠한 사전 지식 없이도 지면 인식 기술이 성능 저하 없이 동작해야 한다는 것을 강조한다. 이러한 네 단계를 통해 최종적으로 로봇을 운용할 때 필요한 정적 지도를 생성해낼 수 있고, 다양한 실험을 통해 본 학위 논문에서 제안하는 기술들이 기존 학계에 제안되었던 방법들에 비해 우수하다는 것을 실험적으로 입증한다.
