영칠이의 개발로그

1. LIO-SAM 핵심 개념 -Tightly-coupled fusion → LiDAR와 IMU 데이터를 하나의 최적화 문제로 강하게 결합 - Factor-graph based estimation → 요인 그래프(Factor Graph)로 포즈와 상태를 동시에 추정 - Old scan marginalization → Pose optimization → 오래된 스캔은 제거(마진화)하고, 최신 스캔 중심으로 자세 최적화 - Local scan matching for real-time → 국소적인 스캔 매칭만 수행하여 실시간 처리 가능 - Sliding window → 일정 구간(윈도우) 안의 데이터만 유지하며 연속적으로 최적화2. FLOW- 전체 메인 코드는 이렇게 이루어지고 그 중 두 프로세스(Featur..

LIO-SAM: Factor Graph 기반 LiDAR-IMU 융합 프레임워크 정리 최근 로봇의 자율주행 및 정밀한 위치 추정을 위해 다중 센서 융합이 활발히 연구되고 있습니다. 그중에서도 LiDAR-IMU 융합은 조명 변화나 시각적 특성에 크게 의존하지 않고, 안정적인 3D 환경 이해와 궤적 추정을 가능하게 해 주어 많은 주목을 받고 있습니다. 이번 글에서는 대표적인 LiDAR-IMU 융합 프레임워크인 LIO-SAM (LiDAR-Inertial Odometry via Smoothing and Mapping) 논문을 정리해 보았습니다.1. 연구 배경비전 기반 방법: 장소 인식에는 강점이 있지만 조명 변화와 관측 거리 변화에 취약.LiDAR 기반 방법: 환경의 기하학적 구조를 안정적으로 반영 가능.기존 연..