During the past several decades, many researchers have tried to solve SLAM which is one of the most important problems in mobile robotics. Many approaches have been developed such as EKF SLAM, UKF SLAM, Rao-blackwellized particle filtering based SLAM, FastSLAM.
Although FastSLAM is known as the best theoretical solution for the SLAM problem so far, it still has the inherit drawback which is the consistency problem. It is caused by the usage of re-sampling technique, which is used to select more important particle. On the other hand, the biggest problem of Kalman filter is the scalability because the size of the covariance matrix is in proportion to the square of the number of map features.
Therefore, scalability and consistency property is crucial for successful SLAM. In this thesis, we divide a map into sub-maps with a limited number of features for scalable SLAM. To reduce error accumulation in mapping, we present an unscented merge algorithm that uses features present in the intersection between sub-maps. In addition, we integrate the Unscented Merge algorithm into and Unscented Kalman Filter framework for robust visual SLAM.
In the experiments, we apply our method to visual SLAM in various environments. Experimental evaluation shows that our method can build and maintain a large-scale map with tens of thousands of features, while keeping a consistent robot path.
지난 수 십년동안, 이동로봇의 가장 핵심적인 문제중의 하나인 자기위치 인식 및 지도작성 문제(SLAM)를 해결하기 위해 많은 선행연구자들의 노력이 있었다. 예컨대, 확장 칼만필터 SLAM, 언센티트 칼만필터 SLAM, RBPF SLAM, FastSLAM을 들 수 있다.
FastSLAM이 이론적으로 가장 최선의 해답이라는 것이 알려져 있지만, 이 역시 아직 일관성 유지의 문제를 내재하고 있다. 왜냐하면, 입자필터 기반의 방법론에서는 더욱 중요한 입자의 재 선택 과정이 있기 대문이다. 반면에 칼만필터 계열의 방법론의 가장 큰 문제점은 확장성인데, 특징점의 증가량의 자승에 비례하는 속도로 공분산 행렬이 증가하기 때문이다.
그러므로, 성공적인 SLAM을 위해서는 일관성의 유지와 확장성을 보장하는 것이 매우 중요한 요소인 것을 알 수 있다. 본 논문에서는 정해진 개수의 특징점을 가지는 지역지도로 나누어 확장성 문제를 해결하고자 하며, 누적되는 오차를 줄이기 위해 언센티드 병합 기법을 도입하였다. 이 기법은 지역 지도가 공유하는 특징점을 이용하는 방법이다. 게다가, 이 기법은 강인한 시각기반 SLAM을 위해 언센티드 칼만 필터에 통합되었다.
실험에서는 여러 환경에서 시각기반 SLAM을 적용하였다. 이러한 실험들은 제안한 방법이 비교적 큰 영역에서 수 만개의 특징점을 관리함과 동시에 일관성 있는 자기위치인식과 지도작성을 할 수 있음을 입증한다.
