서울대학교 연구진이 안개, 비, 먼지 속에서도 로봇이 자신의 움직임을 정확히 추정할 수 있도록 하는 4D 레이더 오도메트리 파이프라인 RaDiVe를 개발했다. 카메라와 라이다의 성능이 급격히 떨어지는 환경에서, RaDiVe는 도플러 속도로 신뢰하기 어려운 레이더 포인트를 식별하고 거리 제한 NDT로 스캔을 정렬해 기존 추정기가 무너지는 상황에서도 드리프트를 줄인다.
목차
연구진이 개발한 것
RaDiVe는 4D 레이더 센서를 위해 설계된 완전한 자기 운동 추정 파이프라인이다. 오도메트리는 로봇이 얼마나 이동했고 어느 방향으로 회전하고 있는지를 실시간으로 추정하는 기능으로, 내비게이션·지도 작성·제어의 기반이 된다. 비, 안개, 눈, 먼지 속에서는 라이다와 카메라의 성능이 크게 저하되지만, 밀리미터파 레이더는 계속해서 측정값을 얻을 수 있다.
이 시스템은 각 레이더 스캔을 네 단계로 처리한다. 먼저 전처리 단계에서 움직이는 물체(차량, 보행자)의 포인트와 전파가 물질을 투과한 뒤 뒤쪽 표면에 반사되면서 발생하는 중복 반사값을 제거한다. 이어 도플러 측정값으로 로봇 자체의 속도를 추정하고, 각 포인트의 방사 속도가 이 추정값과 얼마나 어긋나는지를 바탕으로 불확실성 점수를 부여한다. 최근 스캔에서 신뢰도 높은 표면 포인트를 추출해 노이즈가 적은 로컬 서브맵을 만든 다음, 거리 제한 NDT 정합으로 현재 스캔을 서브맵에 맞춰 오도메트리 결과를 산출한다. 전체 파이프라인은 GPS, 휠 인코더, IMU 없이 레이더만으로 작동한다.
주요 결과
RaDiVe의 핵심 성과는 광학 센서가 실패하는 환경에서도 드리프트가 적고 견고한 오도메트리를 구현했다는 점이다. 두 가지 혁신은 서로 맞물려 작동한다. 속도 불일치 기반 포인트 불확실성은 움직이는 물체와 손상된 반사값을 식별하고, 거리 제한 NDT는 걸러지지 않은 이상치가 자세 추정을 왜곡하지 못하도록 막는다.
이 조합은 레이더 오도메트리의 대표적인 두 가지 실패 원인을 정면으로 다룬다. 이제 로봇 옆을 지나가는 트럭이 정합 결과를 트럭 쪽으로 끌고 가지 않는다. 전파 투과로 생긴 유령 반사값은 정합 전에 제거된다. 또한 현재 스캔을 원시 포인트가 아니라 여러 스캔으로 구성된 서브맵과 비교하기 때문에 레이더에 본질적으로 존재하는 얼룩 형태의 노이즈도 평균화된다.
실제 주행 시퀀스를 대상으로 한 평가에서 RaDiVe는 기존 레이더 오도메트리 기준 방법들과 비교됐다. 그 결과 속도 인지형 가중치와 거리 제한 정합을 함께 적용했을 때, 장애물과 차량이 많은 복잡한 환경에서도 정확한 궤적을 유지하는 것으로 나타났다. 레이더만으로 작동하므로 GPS 신호가 차단되거나 휠 인코더가 미끄러지는 상황에서도 신뢰성을 유지할 수 있다는 점은 실제 배포에서 중요한 장점이다.
작동 원리
RaDiVe는 모든 레이더 검출값을 거리, 방위각, 고도각, 도플러 방사 속도로 이루어진 4차원 측정값으로 다룬다. 이 가운데 속도 정보가 견고한 포인트 필터링을 가능하게 하는 핵심 요소다.
1단계 — 전처리. 전파는 일부 물질(범퍼, 가드레일, 플라스틱 하우징)을 투과해 유령 표면처럼 보이는 중복 반사값을 만들어낼 수 있다. 전처리 모듈은 이런 유령 포인트와 함께, 도플러 특성상 움직이는 물체로 판단되는 검출값을 찾아 제거한다.
2단계 — 자체 속도와 포인트 불확실성 추정. 정적인 표면이라면 한 포인트에서 측정된 방사 속도는 센서 자체의 움직임을 해당 포인트의 시선 방향으로 투영한 값과 일치해야 한다. RaDiVe는 도플러 측정값으로 자체 속도를 추정한 뒤, 각 포인트의 속도 불일치, 즉 측정된 방사 속도와 예측된 방사 속도의 차이를 계산한다. 불일치가 클수록 해당 포인트는 움직이는 물체이거나 손상된 반사값일 가능성이 높으므로 높은 불확실성과 낮은 가중치를 부여해 이후 최적화의 영향력을 줄인다.
3단계 — 표면 추출과 서브맵 생성. 신뢰할 수 있는 포인트를 선별해 로컬 서브맵에 누적한다. 이 서브맵은 환경을 개별적인 노이즈 포인트가 아니라 매끄러운 표면의 집합으로 표현한다.
4단계 — 거리 제한 NDT 정합. 서브맵을 로컬 표면의 형태를 모델링하는 가우시안 분포 격자인 NDT(Normal Distributions Transform)로 변환한다. 현재 스캔을 이 분포에 정렬해 오도메트리 자세를 계산한다. 거리 제한은 대응 관계를 맺을 수 있는 반경을 제한한다. 이 범위를 벗어난 포인트는 추정에 영향을 줄 수 없기 때문에, 정합 결과가 잔여 이상치에 흔들리지 않는다.
로보틱스에서 중요한 이유
신뢰할 수 있는 오도메트리는 로봇이 작업을 무사히 끝내느냐, 길을 잃느냐를 가르는 요소다. 물류창고 로봇, 먼지 많은 풀필먼트 센터에서 작동하는 로봇, 비에 젖은 도로를 달리는 실외 배송 로봇, 날리는 먼지 속에서 작업하는 농업·광산 장비에 4D 레이더는 라이다와 카메라가 제공하기 어려운 능력을 준다. 시야가 나빠져도 측정 성능이 쉽게 떨어지지 않기 때문이다.
레이더는 회전 거울이나 스캐닝 장치가 필요하지 않아 기계적으로도 단순하고, 일반적으로 통합 비용도 낮다. 따라서 현재 고가의 라이다에 의존하는 로봇 fleet에 도입하기가 더 쉽다. RaDiVe는 노이즈와 이상치가 가득한 포인트 클라우드로 인해 드리프트가 발생하던 레이더 내비게이션의 고질적인 약점을 직접 해결한다. 레이더 오도메트리를 독립 센서만으로도 견고하게 만들어, 레이더가 안전 보조 센서에서 주요 내비게이션 입력으로 발전할 수 있는 길을 연다. 같은 필터링 및 정합 기법은 실외나 극한 환경용 레이더를 추가 장착한 중고 산업용 로봇과 자동 운반 차량의 성능 향상에도 활용될 수 있다.
한계와 남은 과제
레이더 포인트 클라우드는 여전히 라이다보다 희소하고 노이즈가 많다. 따라서 RaDiVe의 서브맵과 NDT 격자는 환경과 센서 모델에 맞춰 세심하게 조정해야 한다. 속도 불일치 기반 필터링은 도플러 측정값이 신뢰할 수 있다는 전제를 두며, 검출값 대부분이 정체를 알 수 없는 움직이는 물체에서 나오는 장면에서는 효과가 제한적이다. 평평한 지면처럼 정적인 반사체가 거의 없는 개방적이고 특징이 부족한 구간은 어떤 레이더 오도메트리에도 충분한 제약을 제공하지 못한다. 루프 클로저가 없는 장거리 드리프트, 임베디드 하드웨어에서의 연산 비용, 레이더 제조사 간 일반화 성능도 여전히 해결해야 할 과제다. 거리 제한값은 센서와 상황에 따라 설정해야 하는 매개변수이며, 레이더만 사용하는 설계인 만큼 IMU 융합, GPS 통합, 루프 클로저 검출은 향후 연구 과제로 남겨 두었다.
자주 묻는 질문
4D 레이더란 무엇이며, 일반 레이더와 어떻게 다른가? 4D 레이더는 기존의 거리, 방위각, 고도각 측정에 도플러 속도를 추가한다. 따라서 각 검출값에 고유한 방사 속도 정보가 포함되며, RaDiVe는 이를 활용해 정적인 표면과 움직이는 물체를 구분한다.
오도메트리에 라이다 대신 레이더를 사용하는 이유는 무엇인가? 라이다의 레이저 빔은 안개, 비, 먼지 속에서 산란되지만 밀리미터파 레이더는 미세 입자를 통과하며 낮과 밤 모두 작동한다. 4D 레이더는 일반적으로 비용도 더 낮고 회전하는 기계 부품도 필요하지 않다.
NDT 정합이란 무엇인가? NDT(Normal Distributions Transform)는 환경을 원시 포인트가 아니라 가우시안 분포 격자로 모델링하는 방법이다. 스캔을 이 분포에 맞추면 포인트 대 포인트 매칭보다 빠르고 견고하게 정렬할 수 있으며, 특히 레이더처럼 노이즈가 많은 센서에서 효과적이다.
거리 제한 NDT에서 ‘거리 제한’은 무엇을 의미하는가? 정합 과정에서 한 포인트가 대응 표면으로부터 얼마나 멀리 떨어질 수 있는지를 제한한다는 뜻이다. 이 범위를 벗어난 이상치는 자세 추정에 영향을 줄 수 없으므로, 움직이는 물체와 유령 반사값이 로봇의 궤적을 엉뚱한 방향으로 끌고 가지 못한다.
결론
RaDiVe는 악천후와 복잡한 환경에서 작업하는 로봇에게 레이더가 보조 센서를 넘어 주요 내비게이션 수단이 될 수 있음을 보여준다. 속도 정보를 반영한 포인트 가중치와 거리 제한 NDT의 결합은 GPS나 IMU 없이도 드리프트에 강한 오도메트리를 구현하는 실용적인 해법이다.