패스트캠퍼스 환급 챌린지 29일차 : RGB-D 기반의 SLAM 알고리즘

[ 본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. ]

https://fastcampus.info/4oKQD6b

커리어 성장을 위한 최고의 실무교육 아카데미 | 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]

 

RGB-D Visual SLAM에 대한 실습을 진행했습니다.

 

-RGB-D 기반의 SLAM 알고리즘-

RTAB-Map

: RGB-D 카메라, 스테레오 카메라, LiDAR 등 다양한 센서 조합을 사용해 지도를 생성하고 위치를 추정하는 SLAM 기법

• 다양한 센서 지원 
• 키프레임 기반의 접근법 : 모든 프레임을 사용하지 않고 중요한 프레임만 사용해 메모리를 절약할 수 있습니다.
• Loop Closure Detection : 이전에 방문했던 장소를 다시 방문했을 때 이를 인식하고 위치 추정을 개선하거나 지도의 연결성을 보장합니다.
• Graph-based Optimazation : 맵을 그래프로 표현하여 각 키프레임을 노드로, 키프레임 간의 이동을 엣지로 나타냅니다.
• 실시간 처리 : 움직이는 동안에도 지속적으로 위치를 추정하고 맵을 업데이트합니다.

 

-시뮬레이션 환경 구성-

필요 패키지를 설치합니다.

sudo apt-get install ros-humble-bcr-bot

 

시뮬레이션을 열어줍니다.

ros2 launch bcr_bot gazebo.launch.py \
	camera_enabled:=True \
	two_d_lidar_enabled:=True \
	stereo_camera_enabled:=False \
	position_x:=0.0 \
	position_y:=0.0 \
	orientation_yaw:=0.0 \
	odometry_source:=odom \
	world_file:=small_warehouse.sdf

 

실습을 위해 Rviz2와 RTAB-Map을 실행시켜줍니다.

ros2 launch rtabmap_launch rtabmap.launch.py \
   use_sim_time:=true \
   rgb_topic:=/kinect_camera/image_raw \
   depth_topic:=/kinect_camera/depth/image_raw \
   camera_info_topic:=/kinect_camera/camera_info \
   qos:=2 \
   publish_tf_odom:=false \
   frame_id:=base_link \
   args:="-d --RGBD/NeighborLinkRefining true --Reg/Strategy 1 --delete_db_on_start" \
   approx_sync:=true \
   rviz:=true

 

로봇을 움직이며 Mapping이 되는지 확인합니다.

 

 

-강의 후기-

이번 강의에서는 RGB-D를 사용한 SLAM 알고리즘에 대한 실습을 진행했습니다. 이전에 진행했던 Cartographer SLAM에서는 LiDAR 센서를 주로 사용해 2D 지도를 만드는 데 사용했지만, RGB-D SLAM에서는 RGB-D 카메라를 사용해 3D 컬러 지도를 생성할 수 있었습니다. 실습 영상에서 RTAB-Map을 보면 빨간색 화면으로 바뀌는 것을 확인할 수 있습니다. RTAB-Map에서 이전과 연결되는 화면이 아닐 때(갑자기 다른 화면으로 바뀌어 Mapping에 어려움이 있을 때) 화면이 빨간색으로 바뀌며 Mapping을 정상적으로 진행할 수 없다는 것을 알립니다. 빨간색으로 바뀌는 이유는 로봇의 속도가 너무 빨라서 프레임 사이의 변화가 커지거나, tf 변환이 잘못 설정되어 있는 경우 등등 값을 제대로 처리하지 못하기 때문입니다. 실습 영상의 경우 노트북의 연산 능력이 낮아 로봇이 움직일때마다 화면이 버벅이고, 카메라가 이동하는 대로 화면을 처리하지 못해 오류가 난 것으로 보입니다. 정상적으로 실행이 됐다면 정상적인 검은 화면에서 Mapping을 이어나갔을 것입니다. RGB-D SLAM은 데이터 수집 거리가 짧아 실내에서 동작하는 로봇들이 사용하기에 적합합니다. 학교에서는 미로를 통과하는 자율주행로봇, 장애물을 피해 지나가는 자동차 등등 실내에서 실습/평가할 수 있는 주제로 프로젝트를 진행하므로 LiDAR 대신 RGB-D를 사용하는것도 괜찮은 방법이 될 것입니다. 이번 실습처럼 데이터를 처리할 수 있는 기기의 사양이 낮아 제대로 된 결과가 나오지 않을 수 있으므로, 상황에 적절한 알고리즘을 사용하면 되겠습니다. LiDAR 센서가 받는 데이터도 단순하고 가공하기에도 편해 앞으로도 LiDAR 센서를 자주 사용하겠지만, 여건만 된다면 비교적 짧은 거리에서 3D 색상 데이터를 확인하며 Mapping을 수행할 수 있는 RGB-D 카메라도 사용해 보겠습니다.