The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

The Implementation of Graph-based SLAM Using General Graph Optimization

일반 그래프 최적화를 활용한 그래프 기반 SLAM 구현

  • 고낙용 (조선대학교 전자공학부) ;
  • 정준혁 (조선대학교 대학원 제어계측공학과) ;
  • 정다빈 (조선대학교 대학원 전자공학과)
  • Received : 2019.06.05
  • Accepted : 2019.08.15
  • Published : 2019.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper describes an implementation of a graph-based simultaneous localization and mapping(SLAM) method called the General Graph Optimization. The General Graph Optimization formulates the SLAM problem using nodes and edges. The nodes represent the location and attitude of a robot in time sequence, and the edge between the nodes depict the constraint between the nodes. The constraints are imposed by sensor measurements. The General Graph Optimization solves the problem by optimizing the performance index determined by the constraints. The implementation is verified using the measurement data sets which are open for test of various SLAM methods.

본 논문은 일반 그래프 최적화(g2o, General Graph Optimization)를 사용하여 그래프 기반 SLAM을 구현한 결과를 기술한다. 일반 그래프 최적화는 SLAM을 노드와 엣지의 그래프를 통하여 표현한다. 노드는 시간에 따른 로봇의 위치를 나타내며, 엣지는 노드들 사이의 구속 조건을 나타낸다. 구속 조건은 센서에 의한 측정값에 의해 결정된다. 일반 그래프 최적화는 구속 조건에 의해 결정되는 성능지표를 최적화하여 SLAM 문제를 해결한다. 실현된 일반 그래프 최적화 방법을 SLAM 방법의 성능 시험용으로 공개된 실험 데이터를 사용하여 검증하였다.

Keywords

KCTSAD_2019_v14n4_637_f0001.png 이미지

그림 1. 노드와 엣지 Fig. 1 Nodes and edges

KCTSAD_2019_v14n4_637_f0002.png 이미지

그림 2. 일반 그래프 최적화 Viewer Fig. 2 General graph optimization viewer

KCTSAD_2019_v14n4_637_f0003.png 이미지

그림 3. 일반 그래프 최적화 데이터 형태 Fig. 3 일반 그래프 최적화 data format

KCTSAD_2019_v14n4_637_f0004.png 이미지

그림 4. ‘MIT-CSAIL’ 일반 그래프 최적화 및 매트랩 구동 결과 Fig. 4 'MIT-CSAIL' General graph optimization and matlab implementation results

KCTSAD_2019_v14n4_637_f0005.png 이미지

그림 5. ‘Intel Research Lab’ 일반 그래프 최적화 및 매트랩 구동 결과 Fig. 5 'Intel Research Lab' General graph optimization and matlab implementation results

KCTSAD_2019_v14n4_637_f0006.png 이미지

그림 6. ‘Wood autumn’ 일반 그래프 최적화 및 매트랩 구동 결과 Fig. 6 ‘Wood autumn’ General graph optimization and matlab implementation results

KCTSAD_2019_v14n4_637_f0007.png 이미지

그림 7. ‘Stairs’ 일반 그래프 최적화 및 매트랩 구동 결과 Fig. 7 ‘Stairs’ General graph optimization and matlab implementation results

KCTSAD_2019_v14n4_637_f0008.png 이미지

그림 8. ‘Garage’ 일반 그래프 최적화 및 매트랩 구동 결과 Fig. 8 ‘Garage’ General graph optimization and matlab implementation results

References

  1. J. Do and W. Lee, "ROS Based Remote Control of an Autonomous Mobile Robot and Visual SLAM For Parking Lot Management," Institute of Control Robotics and Systems, vol. 24, no. 11, Nov. 2018, pp. 1088-1093. https://doi.org/10.5302/J.ICROS.2018.18.0119
  2. G. Song, N. Ko, and H. Choi, "Attitude Estimation of Unmanned Vehicles Using Unscented Kalman Filter," J. of the Korea Institute of Electronic Communication Sciences, vol. 14, no. 1, Feb. 2019, pp. 265-274. https://doi.org/10.13067/JKIECS.2019.14.1.265
  3. T. Kim and S. Hwang, "Cascade AOA Estimation Using Uniform Rectangular Array Antenna," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 5, Oct. 2018, pp. 923-930. https://doi.org/10.13067/JKIECS.2018.13.5.923
  4. S. Mo, D. Yu, J. Park, and K. Chong, "Robust Mobile-Robot Localization for Indoor SLAM," Institute of Control Robotics and Systems, vol. 22, no. 4, Apr. 2016, pp. 301-306. https://doi.org/10.5302/J.ICROS.2016.16.8004
  5. A. Barrau and S. Bonnabel, "An EKF-SLAM algorithm with consistency properties," arXiv preprint arXiv:1510.06263, 2015.
  6. T. Kim, N. Ko, and S. Noh, "Simultaneous Estimation of Landmark Location and Robot Pose Using Particle Filter Method," International Journal of Fuzzy Logic and Intelligent Systems, vol. 22, no. 3, 2012, pp. 353-360.
  7. S. Thrun and M. Montemerlo, "The graph SLAM algorithm with applications to large-scale mapping of urban structures," Int. Journal of Robotics Research, vol. 25, no. 5, 2006.
  8. G. Grisetti, R. Kummerle, C. Stachniss, and W. Burgard, "A tutorial on graph-based SLAM," IEEE Intelligent Transportation Systems Magazine, vol. 2, no. 4, 2011, pp. 31-43. https://doi.org/10.1109/MITS.2010.939925
  9. Y. Heo, J. Lim, and S. Lee, "EKF-based SLAM using sonar salient feature and line feature for mobile robots," Journal of the Korean Society for Precision Engineering (in Korean), vol. 28, no. 10, 2011, pp. 1174-1180.
  10. M. Kaess, A. Ranganathan, and F. Dellaert, "iSAM: Incremental Smoothing and Mapping," IEEE Transactions on Robotics (TRO), vol 24, no. 6, 2008, pp. 1365-1378. https://doi.org/10.1109/TRO.2008.2006706
  11. G. Grisetti, C. Stachniss, and W. Burgard, "Nonlinear Constraint Network Optimization for Efficient Map Learning," IEEE Transactions on Intelligent Transportation Systems, vol. 10, no. 3, 2009, pp. 428-439. https://doi.org/10.1109/TITS.2009.2026444
  12. R. Kummerle, G. Grisetti, H. Strasdat, K. Konolige, and W. Burgard, "g2o: A General Framework for graph optimization," Proceedings on 2011 IEEE International Conference on Robotics and Automation (ICRA), 2011, pp. 3607-3613.
  13. S. Lee and B. Kim, "3D Simultaneous Localization and Map Building (SLAM) using a 2D laser range finder based on vertical/horizontal planar polygons," Journal of institute of Control, Robotics and Systems (in Korean), vol. 20, no. 11, 2014, pp. 1153-1163. https://doi.org/10.5302/J.ICROS.2014.14.0027