지하터널 다중 로봇 LiDAR SLAM: 루프 검출 오류 극복과 실용적 파이프라인

초록

본 논문은 지하터널이라는 극한 환경에서 다중 로봇 LiDAR SLAM 시스템을 구현·평가한다. 기존 분산형 SLAM에서 루프 검출의 오탐이 주요 실패 원인임을 확인하고, 터널 형태의 불필요한 키프레임을 제외하는 간단한 바운딩박스 기반 필터링 휴리스틱을 제안한다. KISS‑ICP와 Kinematic‑ICP를 비교하고, PCM·GNC와 결합한 키프레임 필터링이 루프 오류를 크게 감소시켜 전체 매핑 성공률을 향상시킨다.

상세 분석

이 연구는 두 가지 핵심 문제에 초점을 맞춘다. 첫째, 지하터널과 같이 구조가 단순하고 반복적인 환경에서는 LiDAR 기반의 장소 인식(Place Recognition, PR)이 전역적인 퍼셉추얼 앨리어싱(perceptual aliasing)으로 인해 높은 오탐률을 보인다. 둘째, PR이 올바르게 이루어졌더라도, 터널 내부의 점군은 기하학적 특징이 부족해 ICP 기반의 점군 정합(Point Cloud Registration, PCR)이 실패한다. 저자들은 이러한 문제를 해결하기 위해 “키프레임 터널 필터링”이라는 휴리스틱을 도입한다. 각 키프레임의 점군에 대해 주축을 PCA로 구하고, 두 번째로 큰 바운딩 박스 차원을 측정한다. 이 차원이 사전에 정의된 임계값 이하이면 해당 키프레임을 ‘터널 전용’으로 판단하고 그래프에 삽입하지 않는다. 결과적으로 불필요한 반복 점군이 제거돼 PR 단계에서의 전역 앨리어싱과 PCR 단계에서의 기하학적 불안정성이 동시에 감소한다.

오도메트리 측면에서는 KISS‑ICP와 Kinematic‑ICP를 비교한다. KISS‑ICP는 파라미터가 적고 일반적인 환경에서 뛰어난 성능을 보이지만, 터널처럼 회전 자유도가 제한된 경우(예: 직선 구간)에서는 절대 경로 오류(ATE)가 크게 증가한다. 반면 Kinematic‑ICP는 휠 오도메트리를 보조 정보로 활용해 기하학적 퇴화 상황에서도 안정적인 추정을 제공한다. 실험 결과는 두 알고리즘의 차이를 명확히 보여준다.

다중 로봇 시스템은 Swarm‑SLAM을 기반으로 하여 각 로봇이 자체 포즈 그래프를 유지하고, 다른 로봇의 키프레임과의 매칭을 통해 인터‑로봇 엣지를 추가한다. 매칭은 Scan Context 기반 전역 디스크립터와 KISS‑Matcher(FPFH 기반)로 수행되며, 후보 매칭은 PCM(Pairwise Consistency Measurement)으로 사전 검증한다. PCM은 그래프 내 일관성을 최대 클리크(maximum clique) 탐색으로 평가해 불일치 루프를 제거한다. 최종 최적화 단계에서는 GNC(Graduated Non‑Convexity) 옵티마이저를 적용해 비선형 비볼록성을 점진적으로 증가시켜 로컬 최소에 빠지는 위험을 완화한다.

실험은 4대 로봇이 서로 다른 입구에서 출발해 4개의 궤적을 따라 움직이는 시뮬레이션 터널 데이터셋을 사용한다. 전체 261개의 점군이 수집되었으며, 각 로봇은 0.5 m 이동마다 키프레임을 생성한다. 표 2·3에서 보듯, 터널 필터링을 적용한 후 PCM을 사용하면 전체 6가지 로봇 쌍 중 5가지에서 성공적인 매핑을 달성한다. 반면 필터링 없이 모든 키프레임을 사용하면 성공률이 2/6에 불과하다. 이는 불필요한 키프레임이 루프 검출 오류를 급증시켜 최적화 단계에서 그래프 일관성을 크게 해친다는 것을 입증한다. 또한, 오탐률을 정량적으로 보여주는 표에서 PR 오탐과 PCR 오탐이 각각 크게 감소했으며, 특히 PCR 오탐은 0.55 % 이하로 억제되었다.

이 논문의 기여는 다음과 같다. (1) 실제 지하터널 구조를 기반으로 한 고해상도 시뮬레이션 데이터셋 공개, (2) 터널형 환경에서 키프레임의 정보량을 정량화해 필터링하는 간단하지만 효과적인 휴리스틱 제안, (3) 기존의 강건한 최적화 기법(PCM, GNC)과 결합해 다중 로봇 LiDAR SLAM의 신뢰성을 크게 향상시킴. 한계점으로는 필터링 임계값이 환경에 의존적이며, 지나치게 보수적인 설정은 유용한 루프를 놓칠 위험이 있다는 점이다. 향후 연구는 학습 기반의 동적 임계값 설정, 복합 센서 융합(예: IMU·비전) 및 실제 현장 테스트를 통해 휴리스틱을 일반화하는 방향으로 진행될 필요가 있다.