[ROS2] SLAM

[신민서]

[  WSL  ]  Ubuntu 24.04 Jazzy ROS2
[ jetson ]  Jetson nano Foxy ROS2

(1) [SUBSCRIBER Error] Deserialization of data failed -> Function deserialize_change

foxy, jazzy 버전 간 차이로 인해서 데이터를 받을 때 아래와 같은 문구가 가끔씩 뜸

위를 해결하는 방법

jetson과 wsl 둘 다 아래 명령어를 작성

$ export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp

wsl에서 CycloneDDS를 설치해야 문제가 안 생김 (jazzy version)

$ sudo apt install ros-jazzy-rmw-cyclonedds-cpp

jetson에서도 똑같이 설치 (foxy version)

$ sudo apt install ros-foxy-rmw-cyclonedds-cpp

(2) cartofgrapher, navigation2 packge 설치 - wsl (jazzy version install)

$ sudo apt install ros-jazzy-cartographer
$ sudo apt install ros-jazzy-cartographer-ros

$ sudo apt install ros-jazzy-navigation2
$ sudo apt install ros-jazzy-nav2-bringup

(3) turtlebot3_lds_2d.lua 수정 (rplidar c1)

현재 사용하고 있는 로봇의 LiDAR는 rplidar c1으로 .lua 파일이 공식적으로 없기 때문에 임의로 사양 맞춰서 수정함

turtlebot3_lds_2d.lua

1.95KB

---

(1) 다음을 조사하시오

- SLAM의 정의와 원리를 조사하시오.

SLAM이란?

: 주변 환경 지도를 작성하는 동시에 차량의 위치를 작성된 지도 안에서 추정하는 방법 (위치 추정 & 지도 작성)

[ 동작 원리 ]

1. 데이터 입력 (Sensor Data)
로봇에 장착된 카메라나 라이다(LiDAR) 센서로부터 주변 환경 정보를 실시간으로 수집
이 데이터가 SLAM 시스템의 가장 기초적인 입력값이 됨.

2. Front-end: 센서 의존적 처리 (Sensor-dependent processing)
여기서는 센서의 종류에 따라 데이터를 가공하여 로봇의 대략적인 움직임을 파악함

특징 추출 (Feature extraction):

이미지나 라이다 스캔 데이터에서 벽, 모서리, 기둥 같은 고유한 특징점을 찾아냄

데이터 연관 및 추적 (Data association - feature tracking): 

이전 프레임에서 본 특징점이 현재 프레임의 어디에 있는지 매칭하여 로봇이 얼마나 이동했는지 추정함

루프 폐쇄 (Loop closure): 

로봇이 이전에 방문했던 장소에 다시 돌아왔을 때, 누적된 위치 오차를 교정함

3. Back-end: 센서 독립적 처리 (Sensor-independent processing)
Front-end에서 넘겨준 가공된 데이터를 바탕으로 복잡한 수학적 최적화를 수행함.

MAP 추정 및 그래프 최적화 (MAP estimation - Graph optimization): 

로봇의 이동 궤적을 하나의 Pose graph로 만듦
로봇의 위치 간의 관계를 수학적으로 계산하여, 전체적인 지도와 궤적의 오차를 최소화함

4. 최종 출력 (Estimated trajectory and map)
궤적(Trajectory): 로봇이 지나온 경로가 선으로 그려짐

지도(Map): 센서 데이터를 누적하여 주변 환경을 점(Point cloud)이나 면으로 시각화한 최종 지도

https://kr.mathworks.com/discovery/slam.html

SLAM(동시적 위치추정 및 지도작성)이란 – MATLAB 및 Simulink

- SLAM 알고리즘의 종류와 장단점을 조사하시오.

(8) ros2용 다른 slam 패키지를 조사하시오. cartographer와 성능을 비교하시오.

1. LiDAR 기반 SLAM 알고리즘

라이다 센서의 거리 측정 데이터를 주력으로 사용하는 방식

① Gmapping (입자 필터 기반)

가장 고전적이고 안정적인 2D SLAM 알고리즘

장점: 구조가 단순하여 저사양 하드웨어에서도 비교적 잘 돌아가며, 작은 공간에서 지도를 그릴 때 안정적임.

단점: 지도가 커질수록 계산량이 기하급수적으로 늘어나며, 오차가 누적되었을 때 이를 한 번에 해결하는 능력이 부족함.

② Cartographer (그래프 기반)

구글에서 개발한 최신 알고리즘

장점: 루프 폐쇄(Loop Closure) 성능이 매우 뛰어나 대규모 환경에서도 오차를 실시간으로 교정함.

2D와 3D를 모두 지원하며 실시간성이 좋음.

단점: 설정해야 할 파라미터가 매우 많고 복잡함..

③ Hector SLAM (스캔 매칭 기반)

바퀴의 회전수(Odometry) 데이터 없이 오직 라이다 데이터만 사용함.

장점: 주행 장치가 불안정한 드론이나 사람이 들고 다니는 장비에서도 지도를 그릴 수 있음.

단점: 로봇이 급격하게 회전하거나 빠르게 이동하면 스캔 데이터 간의 일치점을 찾지 못해 지도가 쉽게 깨진다고 함.

2. Visual SLAM (카메라 기반)

카메라 영상을 분석하여 특징점을 추출하고 지도를 만드는 방식.

① ORB-SLAM (특징점 매칭 방식)

장점: 매우 높은 정밀도, 다양한 카메라 렌즈 지원

단점: 높은 연산량과 특징점이 없는 단색 벽면에 취약함

② LSD-SLAM (픽셀 전체를 분석)

장점: 특징점이 적은 환경에서도 지도 생성 가능

단점: 조명 변화에 매우 민감, CPU 부하가 매우 높음

https://100.orange-pkg.com/entry/SLAMSimultaneous-Localization-And-Mapping-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%EC%A2%85%EB%A5%98

SLAM(Simultaneous Localization And Mapping) 알고리즘 종류

---

(2) 연구실, PC실, 복도 등의 지도를 작성하시오.

연구실 지도 작성

복도 지도 그리기

---

(3) cartographer 설정파일인 lua파일의 설정 파라미터를 조사하시오.

---

(4) pgm 파일형식을 설명하고 맵에서 검정색, 흰색, 회색의 의미를 설명하시오.

PGM은 이미지의 각 픽셀을 0(검정색)부터 255(흰색) 사이의 회색조(Grayscale) 값으로 저장하는 아주 단순한 형식임.

.yaml 파일과 한 쌍으로 움직이며, 로봇이 이동할 수 있는 공간을 수치화하여 보여줌.

구조: 파일 헤더에 가로/세로 크기와 최대 밝기 값이 적혀 있고, 그 뒤로 픽셀 데이터가 나열된 형식

특징: 압축이 없어 데이터 손실이 없음

검정색: 장애물, 벽이나 가구 등이 있는 곳으로 로봇이 통과할 수 없음을 의미함

흰색: 빈 공간, 로봇이 이미 지나갔거나 센서로 확인하여 아무것도 없음을 확신하는 주행 가능 영역

회색: 센서가 닿지 않았거나, 데이터가 부족해서 장애물 유무를 알 수 없는 구역

---

(5) 최종결과물 map.yaml의 내용을 설명하시오. 파일의 내용을 이용하여 map의 원점의 좌표를 어떻게 구하는지 설명하라.

• image: map_1767278535.pgm: 이 설정 파일이 설명하고 있는 실제 지도 이미지 파일의 이름
• mode: trinary: 지도를 표현하는 방식을 삼진법(Trinary)으로 설정한다는 뜻
  == 지도의 각 지점을 장애물(Black), 빈 공간(White), 알 수 없음(Gray) 세 가지 상태 중 하나로만 분류함.
• resolution: 0.050: 지도의 해상도 (실제 거리 0.05m(5cm))
• origin: [-5.250, -5.150, 0]: 지도의 원점(0,0) 좌표가 실제 세계에서 어디에 위치하는지를 나타냄. [x, y, yaw] 순서
• negate: 0: 0이면 기본 설정 (흰색이 자유 공간, 검은색이 장애물) 만약 1이면 색상을 반전시켜 해석함.
• occupied_thresh: 0.65: 장애물 판단 기준. 점유 확률이 65% 이상이면 검은색으로 간주하고 장애물로 판단함.
• free_thresh: 0.196: 점유 확률이 19.6% 이하이면 흰색으로 간주하고 로봇이 다닐 수 있는 빈 공간으로 판단함.

map의 원점의 좌표를 구하는 방법

지도의 원점 좌표는 .yaml 파일의 origin 항목을 통해 결정됨.

지도의 왼쪽 아래 모서리 픽셀이 실제 세계 좌표계의 (0,0) 지점을 기준으로 어디에 위치하는지를 나타내는 오프셋 값임.

여기에 resolution(해상도) 값을 곱하여 각 픽셀의 실제 물리적 위치를 계산할 수 있음.

---

(6) rqt_graph를 이용하여 slam을 실행하는 동안 모든 노들들이 주고받는 토픽을 조사하시오.

(7) (6)에서조사된 토픽에 포함된 정보를 설명하시오.