Tech Knowledge Note

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 ..