Graph Based SLAM

• Modeling – Probabilistic Graphical Model
• Pose와 pose간의 관계를 확률적인 edge로 나타냄
• Node와 Edge로 그래프 상의 모든 pose들 간의 연결관계를 표현함 -> 모든 pose값에 접근 가능

Front End : 각 타임스텝마다 pose를 추정하고 pose와 poes간의 관계를 edge로 표현

Back End : Least square 방식으로 전체 그래프를 최적화 → pose들을 업데이트

1D Example of Graph B⚪ 고용 창출 및 자영업자 경제활동 부담 경감 - 로봇배달로 인해 신규 창출되는 고급 일자리 증가 기대 ⚪ 사회적 갈등 해소 및 환경 비용 절감 - 탄소연료가 아닌 동력원을 쓰며 도심 내 교통 혼잡을 야기시키지 않는 운송 수단으로 도심 내 탄소 배출원을 줄이고 녹색 물류 구현에 기여ased SLAM

• Information matrix & Information vector은 각각 edge에 표현된 확률 관계들을 매핑할 수 있는 자료구조들임

  이것들로 어떻게 pose를 구하는가? → Linear system을 푼다.

• front에서는 back에서 해결할 선형시스템을 만듦

자료구조들의 업데이트 과정