SteveMacenski/slam_toolbox

해결하는 문제

Slam Toolbox는 이동 로봇을 위한 2D 동시 위치 추정 및 지도 작성(SLAM)을 위한 포괄적인 도구 세트를 제공합니다. 미지의 환경을 지도로 만들면서 동시에 자신의 위치를 추적해야 하는 일반적인 요구를 충족하며, 특히 창고, 소매점, 도서관과 같은 동적 환경을 대상으로 합니다.

작동 방식

이 시스템은 포즈 그래프 기반의 SLAM 접근 방식을 사용합니다. 레이저 스캔(LIDAR) 및 오도메트리 데이터를 구독하여 노드가 로봇의 포즈를 나타내고, 엣지가 그 사이의 제약 조건을 나타내는 포즈 그래프를 구축합니다. 알고리즘은 레이저 스캔 매칭을 사용하여 오도메트리를 최적화하고, 루프 클로저를 식별하여 포즈 그래프를 최적화함으로써 로봇의 추정 포즈를 업데이트하고 2D 지도를 생성합니다. 동기 및 비동기 매핑 모드를 모두 지원하며, Google Ceres와 같은 플러그인 기반 최적화 솔버를 사용하여 그래프 최적화를 처리합니다.

대상 사용자

ROS 2(Robot Operating System)에서 작업하는 로봇 개발자 및 연구자 중, 프로덕션 수준의 이동 로봇을 위한 견고한 2D SLAM 구현이 필요한 분들에게 적합합니다.

주요 기능

• 생애 주기 맵핑: 저장된 포즈 그래프를 불러와 맵핑을 계속하거나 기존 맵을 개선하거나 시간이 지남에 따라 불필요한 정보를 제거할 수 있습니다.
• 유연한 포즈 그래프 로컬라이제이션: 최근 스캔의 롤링 버퍼를 사용하여 포즈 그래프 내에서 로컬라이제이션을 수행하지만, 무제한적인 계산량 증가 없이 작동합니다.
• 다중 로봇 SLAM: 로봇 간에 로컬라이즈된 스캔을 교환하여 피어 포즈 그래프를 정렬하는 분산형 다중 로봇 맵핑을 지원합니다.
• 맵 병합: 여러 개의 직렬화된 포즈 그래프를 운동학적으로 병합하여 하나의 글로벌 맵으로 만드는 도구를 제공합니다.
• RVIZ 플러그인: 수동 루프 클로저, 그래프 조작, 맵 직렬화/역직렬화를 위한 통합 도구가 포함되어 있습니다.
• 고도의 확장성: CPU 및 메모리 사용량이 합리적인 수준에서 최대 200,000제곱피트 규모의 매우 큰 공간을 매핑할 수 있도록 벤치마크되었습니다.