Tech Knowledge Note

SLAM 기술의 근본을 세운 연구들을 읽다🧠 1. Graph-SLAM 논문을 읽는 이유Graph-SLAM은 로봇이 환경을 인식하고 스스로 위치를 추정하는 기술의 핵심입니다.하지만 이 기술의 기초는 단순한 코드나 라이브러리가 아니라,수많은 연구자들의 논문 연구와 수학적 사고에서 비롯되었습니다.이번 글에서는 Graph-SLAM의 발전에 큰 영향을 준 주요 논문들을 살펴보며,이 기술이 어떻게 자율주행의 두뇌로 성장했는지를 이해해봅니다.📘 2. 대표 논문 1 — “Graph-Based SLAM” (Thrun & Montemerlo, 2006)이 논문은 그래프 기반 접근법을 SLAM에 처음 체계적으로 도입한 연구입니다.로봇의 위치와 관측 데이터를 그래프 형태로 표현하고,전체적인 오차를 최소화하는 최적화 문제로..

자율주행차의 뇌를 정교하게 만드는 기술🧠 1. 포즈 그래프 최적화란?포즈 그래프 최적화(Pose Graph Optimization)는 로봇이나 자율주행차가 이동하면서 얻은 위치 정보를 정리해, 가장 일관성 있는 지도와 이동 경로를 계산하는 과정입니다.쉽게 말해, 여러 번의 관측과 이동 정보를 하나의 “가장 그럴듯한 결과”로 정리하는 기술이죠.🧩 2. 그래프 구조의 기본 개념Graph-SLAM에서 환경은 **그래프(graph)**로 표현됩니다.노드(Node): 로봇이 지나간 위치나 자세엣지(Edge): 두 위치 사이의 상대적인 거리나 방향 정보포즈 그래프 최적화는 이 노드들과 엣지들의 관계를 고려해모든 위치가 실제 환경과 가장 잘 맞도록 조정하는 과정을 의미합니다.⚙️ 3. g2o 라이브러리란?**g2..