dfl-rlab/dddmr_navigation

해결하는 문제

기존 2D 네비게이션 스택(Nav2 등)의 한계를 극복하여 모바일 로봇이 복잡한 3D 환경에서 맵핑, 로컬라이제이션, 자율 주행이 가능하게 합니다. 특히 다층 층별 맵핑, 계단 주행, 스테레오 구조 및 3D 포인트 클라우드 맵에서의 장애물 회피와 같은 과제를 해결합니다.

작동 방식

이 프로젝트는 여러 전용 패키지로 구성된 포괄적인 네비게이션 스택을 제공합니다:

• 맵핑: dddmr_lego_loam을 사용하여 3D 맵핑 및 정밀화를 수행합니다.
• 로컬라이제이션: 3D에서 몬테카를로 로컬라이제이션(MCL)을 위해 dddmr_mcl_3dl을 사용합니다.
• 인식: dddmr_perception_3d를 통해 3D 인식 및 센서 데이터를 처리합니다.
• 계획: 글로벌 플래너(dddmr_global_planner)와 로컬 플래너(dddmr_local_planner)를 사용하여 3D 공간에서 경로 계획 및 장애물 회피를 수행합니다.
• 이동: dddmr_p2p_move_base가 이동을 관리합니다.

또한, LiDAR 설정(각도, 피치, 변환)을 자동으로 검증하는 CI/CD 테스트 스위트를 포함하여, 배포 전에 포인트 클라우드 정확성과 지면 투영을 보장합니다.

대상 사용자

16선 LiDAR, Jetson Orin Nano, Intel NUC과 같은 저비용 하드웨어에서 3D 네비게이션 기능이 필요한, Unitree Go2와 같은 4족 로봇과 같은 맞춤형 모바일 플랫폼을 개발하는 로봇 개발자 및 초보자입니다.

주요 특징

• 진정한 3D 네비게이션: 2D 프레임워크가 실패하는 다층 맵핑 및 계단 주행을 지원합니다.
• 자동 검증: LiDAR 장착 기하학 및 공간 변환을 검증하는 CI/CD 스위트.
• 하드웨어 독립성: 다양한 센서(다수의 깊이 카메라, 다양한 LiDAR 모델 등)와 호환됩니다.
• 시뮬레이션 지원: Unitree-go2용 Gazebo 모델을 통합하여 시뮬레이션에서 3D 네비게이션을 테스트할 수 있습니다.