이 프로젝트는 2023 소프트웨어융합캡스톤디자인 과목에서 처음 시작해 이 내용을 담은 논문이 IEEE International Robotic Computing (IRC) 에 8-page regular paper 로 채택되었습니다.

주행 환경이 비교적 예측 가능한 범위 내에 있는 실내와는 달리, 실외 주행을 할 때는 경사, 방지턱, 진흙, 포장도로 등 다양한 도로 환경을 마주하게 됩니다. 이런 실외를 다니는 모바일 로봇은 차체에 민감한 장비를 탑재하거나, 배달 로봇의 경우 음료 혹은 제품을 싣고 주행하는 경우도 많습니다.
따라서 “주행 가능 영역” 으로 분류된 지역에서도 주행하기 “더 좋은 도로” 와 “덜 좋은 도로”를 판별해야 할 필요성이 있습니다. 저의 연구는, 모바일 로봇이 실외 환경을 인지할 때 많이 사용되는 3D Point Cloud 와 차체의 움직임을 감지하는 IMU 센서 사이의 연관성을 규명하여 “덜 울퉁불퉁한 도로” 를 단계별로 Segmentation 하는 모델에 관한 연구입니다.

단일 개별 Point Cloud Scene 과 주행 중 획득하게 되는 Point Cloud 를 각각 다르게 처리하여, 정적인 환경과 동적인 환경 모두에서 동작하는 모델을 제작했습니다. 유튜브 동영상에서 실외 데이터셋인 RELLIS-3D 데이터셋에 대해서 저의 모델이 단계별로 더 좋은 도로를 분류하는 모습을 보실 수 있습니다.

이러한 저의 연구는 덜 울퉁불퉁한 도로를 찾아 다니는 실외 자율주행 로봇을 제작하는 데 이용될 수 있습니다.

더 자세한 내용은 Github 을 참고해 주세요. 오픈소스로 공개되어 있습니다!