패스트캠퍼스 환급챌린지 18일차 : Cartographer SLAM

[ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. ]

https://fastcampus.info/4oKQD6b

(~11/30) UP TO 74% 블랙프라이데이 PACKAGE SALE🖤 | 패스트캠퍼스

 

https://fastcampus.co.kr/data_online_selfdriving

자율주행 로봇을 위한 ROS 2 & SLAM & Nav2 한번에 끝내기 | 패스트캠퍼스

본 글은 위 강의를 참고하여 작성되었습니다

 

[강의시작 | 강의종료]

 

 

[완강 인증]

 

 

[학습 내용]

 

동영상 서비스가 종료되어 해당 콘텐츠를 재생할 수 없습니다.

 

[강의 후기]

Cartographer SLAM에 대해 학습하고 실습했습니다.

 

-Cartographer Slam-

: 로봇이 이동하며 정확한 지도 작성과 실시간 위치 추정을 수행하는 SLAM 시스템입니다. 이번 강의에서 주요하게 살펴본 파일에는 Lua, Rviz 파일이 있었습니다.

 

-Lua 파일-

: Cartographer의 설정을 다룹니다.

 

-Rviz 파일-

: Cartographer를 모니터링합니다.

 

 

 

-생각해 볼 점-

이번 강의에선 Cartographer SLAM을 사용해 neuronbot을 이동시키며 맵을 만드는 실습을 진행했습니다. Cartographer SLAM은 여러 가지 센서를 사용하여 Mapping과 Localization을 수행하는 SLAM 알고리즘입니다. 이전 개념 강의 때 배웠던 것처럼 이동하며 지도를 만들고 실시간위치를 확인할 수 있습니다. 효율적으로 실습하기 위해 neuronbot을 사용했습니다. 이전에 다뤘던 Tigar의 로봇팔 같은 SLAM을 실습하는 데 있어서 불필요한 기능 없이, 이동/LiDAR 센서만을 사용하는 neuronbot을 사용했습니다. 영상에서 확인할 수 있듯 로봇이 움직이며 LiDAR 센서에서 받는 데이터를 갱신하고, 이전 데이터와 현재 데이터의 차이를 좁혀가며 지도를 완성시키는 것을 확인할 수 있습니다. 중간중간 회색으로 표시되는 구역이 있는데, 이는 제대로 측정되지 않는 값 들입니다. 맵을 만드는 과정을 모니터링하는 것은 Rviz2를 사용해 확인할 수 있었습니다. 이전까지 '센서 데이터를 사용해 벽/장애물이 전방, 후방에 가깝게 식별되면 회전한다'를 기계적으로 수행하는 코드를 만드는 프로젝트를 수행했었습니다. 앞으로는 개발 방향을 SLAM을 사용해 능동적으로 지도를 제작하고 제작된 지도를 바탕으로 길을 찾는 작업을 수행하도록 변경해 프로젝트를 진행하겠습니다. 대회에도 많이 참석해 실전 경험을 쌓으면 좋겠습니다. SLAM이 앞으로 배워야 하는 어려운 기술이라는 인식이 있었는데, 직접 실습해 보니 처음부터 끝까지 직접 제작하는 것이 아니고, 시중에 나와있는 라이브러리를 바탕으로 사용하면 된다는 것을 알게 되었습니다. 라이브러리에 어떤 기능들이 있나 찾아보고 사용할 수 있도록 공부해야겠습니다. 앞으로도 SLAM 기반 로봇 개발에 꾸준히 도전하며 역량을 키우겠습니다.