Tech Knowledge Note

1. 서론앞선 글에서 우리는 EKF-SLAM의 원리와 Python 구현을 살펴보았습니다.하지만 EKF-SLAM은 환경이 넓어지고 랜드마크 수가 많아질수록 계산량이 기하급수적으로 증가하는 한계가 있습니다. 이를 극복하기 위해 등장한 알고리즘이 바로 FastSLAM입니다.이번 글에서는 FastSLAM의 개념과 동작 원리를 직관적으로 풀어보겠습니다. 2. FastSLAM이란?FastSLAM은 입자 필터 기반 SLAM으로, 로봇의 경로 추정과 지도 작성을 분리하여 더 빠르고 효율적으로 문제를 해결합니다.경로 추정: 입자 필터(Particle Filter)를 사용해 여러 후보 위치를 동시에 추정지도 작성: 각 랜드마크별로 독립적인 EKF(확장 칼만 필터)를 적용핵심 아이디어: “로봇 위치는 입자 필터, 지도는 E..

1. 서론앞선 글에서 우리는 **EKF-SLAM(Extended Kalman Filter SLAM)**의 수학적 원리를 살펴보았습니다.이번 글에서는 이 개념을 실제로 구현해보며, Python을 이용해 간단한 EKF-SLAM 시뮬레이션을 만들어 보겠습니다.수학적 이론을 눈으로만 보는 것보다, 직접 실행 가능한 코드를 통해 확인하면 SLAM의 구조와 동작 원리를 훨씬 직관적으로 이해할 수 있습니다.2. EKF-SLAM 구현 개요EKF-SLAM 구현은 크게 세 단계로 나눌 수 있습니다.환경 정의: 로봇과 랜드마크(벽, 기둥, 물체 등)를 설정예측 단계(Prediction): 로봇의 이동 모델을 기반으로 위치 추정갱신 단계(Update): 센서 관측값을 활용해 추정치 보정➡ 핵심은 “예측 → 관측 → 보정”의 ..

1. 서론SLAM은 로봇이나 자율주행차가 “내가 어디에 있는지(Localization)”와 “주변 환경이 어떤지(Mapping)”를 동시에 알아내는 과정입니다.이번 글에서는 SLAM의 대표적인 기법인 EKF-SLAM(Extended Kalman Filter-SLAM)을 소개합니다. 복잡한 수식을 모두 다루지는 않고, 핵심 아이디어와 직관적 원리를 이해하는 데 초점을 맞추겠습니다.2. EKF-SLAM이란?EKF-SLAM은 이름 그대로 확장 칼만 필터(Extended Kalman Filter)를 이용해 SLAM 문제를 해결하는 방법입니다.Kalman Filter: 노이즈(잡음)가 포함된 데이터에서 가장 “가능성이 높은 값”을 추정하는 통계적 기법Extended(확장): 현실 세계는 직선적인(선형) 모델이 아..

1. 서론자율주행 기술의 핵심에는 SLAM(Simultaneous Localization and Mapping, 동시적 위치추정 및 지도작성)이 자리 잡고 있습니다. SLAM은 말 그대로 로봇이나 자율주행차가 자신의 위치를 파악(Localization)하면서 동시에 주변 환경의 지도를 작성(Mapping)하는 기술입니다.즉, SLAM은 “나는 어디에 있는가?”와 “내 주변은 어떤 환경인가?”라는 두 가지 문제를 동시에 해결하는 과정이라 할 수 있습니다.2. SLAM의 필요성GPS가 항상 정확하지 않은 실내나 터널, 도심 고층 건물 사이에서는 위치 추정에 한계가 있습니다.센서를 활용한 실시간 위치 추정과 환경 인식이 필요하기 때문에 SLAM은 자율주행차, 로봇, 드론 등 다양한 분야에서 필수적입니다.특히 ..