Perception : [인식]의 의미로 로봇의 위치를 이해하고 정보들을 인지하는 것을 의미한다.

Odometry

Odometry는 이전 위치를 기준으로 현재까지 얼마나 움직였는지 추정하는 과정이다.

즉, 절대적인 위치를 바로 아는 것이 아니라, 이전 시점과 현재 시점 사이의 상대 이동량을 계산한다.

• 이전 위치에서 앞으로 1 m 이동
• 왼쪽으로 0.2 m 이동
• yaw 방향으로 5도 회전

과 같은 상대적인 움직임을 추정한다.

Odometry는 상대 이동량을 계속 누적하여 trajectory를 만들 수 있지만, 시간이 지날수록 오차가 누적되는 drift 문제가 발생한다.

대표적인 odometry 종류는 다음과 같다.

• Wheel Odometry: 바퀴 회전량을 이용한 이동 추정
• Inertial Odometry: IMU 적분을 이용한 이동 추정
• Visual Odometry, VO: 카메라 영상 변화를 이용한 이동 추정
• Visual-Inertial Odometry, VIO: 카메라와 IMU를 융합한 이동 추정
• LiDAR Odometry: LiDAR scan matching을 이용한 이동 추정
• LiDAR-Inertial Odometry, LIO: LiDAR와 IMU를 융합한 이동 추정

중요한 점은 odometry가 반드시 내부 센서만을 의미하는 것은 아니라는 것이다.

센서 종류와 관계없이, 이전 상태에 대한 상대 이동량을 추정하면 odometry라고 볼 수 있다.

⇒ 내가 알고 있는 기존의 odometry는 현재의 내가 정의한 원점을 기준으로 움직임을 서술하고 있다. ⇒ draft문제가 발생하며 전역적으로 현재의 위치를 서술할 수는 없다.

이에 따라, 전역적인 위치에 대한 서술을 하는것을 loacaliaztion이라 말하고 이를 위해서는 Mapping이라는 방식이 필요하다. 즉, 현재의 위치 map이 있는 상태에서 현재 로봇의 위치를 perception하여, 그 이후 odometry와 함께 융합하여 현재의 위치를 서술시킨다. (내가 아는 방식으로는 EKF(GPS + IMU)인 GNSS/INS localization이 있다! )

Localization

Localization은 기준이 되는 map 또는 global frame 안에서 로봇의 현재 위치를 추정하는 과정이다.

Odometry가 “이전 위치에서 얼마나 움직였는가?”를 보는 것이라면, localization은 “기준 좌표계 안에서 지금 어디에 있는가?”를 보는 것이다.

• GPS 기준 위치 추정
• 기존 LiDAR map 안에서 현재 위치 추정
• UWB anchor 기준 위치 추정
• OptiTrack 기준 위치 추정
• 기존 feature map에서 카메라 위치 추정

등이 localization에 해당한다.

Note* IMU만 적분해서 위치를 추정하는 경우에도 위치값은 나오지만, 외부 기준 없이 시작점 기준으로 이동량을 누적하는 것이므로 보통 localization보다는 inertial odometry 또는 dead reckoning에 가깝게 부른다.

<aside> 💡

헷갈리기 쉬운점!

위 내용만 보면 내부센서만 이용하여 추정하는 방식이 odometry고 external sensor를 적용한게 localization이라고 오해할 수 있다 (내가 그럼)

• odometry는 움직임 변화량을 서술한게 포인트

  e.g. 만일 카메라 센서를 써도, 이전 프레임간의 차이만 서술한다면 odometry에 해당

• Localization은 특정 좌표계 (내가 정의한 좌표계일지언정)를 기준으로 움직인 양을 서술 </aside>

그러나, mapping을 위해서는 당연하게도 현재의 센서값(LiDAR)등이 내 전역위치의 어디에서 관측한건지 알아야 Mapping이 가능하다. 이에 따라, Mapping과 Localization은 동시다발적으로 이루어져야하며, 이를 SLAM(Simultaneous Localization and Mapping)이라고 할 수 있다. 전체적인 구조는 아래와 같다.