그래프 로크 저관측 및 가림 상황에서 경량 구조 지도 기반 라이다 자세 추적

초록

본 논문은 라이다 스캔을 점·선 구조의 경량 그래프 형태로 변환하고, 사전 구축된 점‑선 그래프 지도와의 매칭을 비균형 최적 수송으로 수행한다. 가림 및 저관측 구간에서는 정보 이방성을 이용해 약한 자유도를 지연 업데이트함으로써 안정적인 3‑DoF 자세 추적을 실현한다. 실험은 공개 벤치마크와 실제 현장 적용을 통해 KB 수준의 초소형 지도에서도 높은 정확도와 견고성을 입증한다.

상세 분석

Graph‑Loc은 라이다 기반 장기 운용에서 필수적인 ‘지도 기반 자세 추적’ 문제를, 메모리와 연산 효율을 극대화한 구조적 지도 표현과 전역적인 매칭 최적화로 해결한다. 먼저, 기존의 고밀도 포인트 클라우드 지도는 저장·검색 비용이 급증한다는 한계가 있다. 이에 저자들은 ‘점‑선 그래프’라는 초경량 구조를 제안한다. 이 그래프는 점(코너, 특징점)과 선(벽면, 경계선) 노드와, 유클리드 거리 기반 k‑근접 이웃을 연결하는 에지로 구성된다. 지도는 점·선 정보를 벡터화한 건축 CAD, 바닥도, 혹은 점유 그리드 맵의 폴리곤 윤곽 등 이질적인 소스로부터 자동 생성될 수 있어 실무 적용성이 높다.

스캔 처리 단계에서는 라이다 레인지 불연속과 로컬 표면 일관성을 이용해 희소 점·선 특징을 추출하고, 동일한 그래프 형태의 관측 그래프 Sₜ를 만든다. 여기서 핵심은 ‘포즈 조건부 가시 서브그래프’를 시뮬레이션 레이 트레이싱으로 미리 추출함으로써, 현재 추정 포즈 주변에 실제로 보이는 지도 노드만을 매칭 후보로 제한한다는 점이다. 이는 불필요한 후보를 크게 감소시켜 연산량을 낮추고, 가림에 의해 보이지 않는 구조가 매칭에 방해되는 것을 방지한다.

매칭은 전통적인 최근접 이웃(NN) 방식이 아닌 ‘비균형 최적 수송(Unbalanced Optimal Transport, UOT)’으로 수행된다. UOT는 두 집합 간 질량 보존을 완화하여, 관측에 누락되거나 잡음이 섞인 점·선을 자연스럽게 무시한다. 저자들은 여기에 ‘그래프 컨텍스트 정규화’를 추가해, 개별 노드 매칭이 주변 이웃 관계와 일관되도록 강제한다. 즉, 매칭 플랜은 전역적인 최적화 문제로 풀리며, 지역적인 오류가 전체 매칭에 전파되는 것을 억제한다.

하지만 저관측 구간, 예를 들어 긴 직선 복도나 반복적인 구조에서는 매칭이 충분히 풍부하지 않아 자세 업데이트가 병렬(ill‑conditioned)될 위험이 있다. 이를 해결하기 위해 저자들은 ‘정보 이방성(Information Anisotropy)’을 정량화한다. 구체적으로, 현재 포즈 업데이트 단계에서 얻은 정규 방정식의 정규 행렬(Normal Matrix)의 고유값과 고유벡터를 분석해, 제약이 약한 자유도(예: 회전 혹은 전진 방향)를 탐지한다. 약한 자유도에 대해서는 업데이트를 일시적으로 보류하고, 이후 추가 관측이 축적될 때까지 대기한다. 충분한 제약이 확보되면 보류된 자유도를 포함해 전체 3‑DoF 업데이트를 수행한다. 이 ‘지연 최적화(Delayed Optimization)’ 전략은 급격한 드리프트를 방지하고, 장기간 가림 상황에서도 추정이 안정적으로 수렴하도록 만든다.

실험에서는 KITTI, ERPoT 등 대규모 공개 데이터셋과, CMU‑EXPLORATION 기반의 가상 시뮬레이션에서 보행자 가림을 점진적으로 증가시킨 스트레스 테스트, 그리고 실제 주차장·복도 환경에서의 장시간 운용을 모두 수행했다. 결과는 1 % 이하의 평균 위치 오차와 0.2 deg 이하의 회전 오차를 유지하면서, 지도 크기는 수백 KB 수준으로 압축된 것을 보여준다. 특히 가림 비율이 70 %를 초과하는 극한 상황에서도 기존 LOAM‑style, KISS‑MCL, HDL‑LOC 등과 비교해 드리프트가 현저히 감소하였다.

요약하면, Graph‑Loc은 (1) 초경량 점‑선 그래프 지도와 관측 그래프를 이용한 구조적 표현, (2) 비균형 최적 수송 기반의 전역적 매칭, (3) 정보 이방성 기반의 지연 업데이트라는 세 가지 핵심 기술을 결합해, 메모리·연산 제약이 있는 장기 라이다 로컬라이제이션에 대한 실용적이고 견고한 솔루션을 제공한다.