GLIM

AIST에서 만든, 모든 거리 센서를 지원하는 GPU 가속 3D 라이다 SLAM 프레임워크

라이선스

MIT

개요

GLIM은 일본 AIST의 Kenji Koide가 개발한 3D 포인트 클라우드 기반 위치추정 및 매핑 프레임워크입니다. 강결합(tightly-coupled) 라이다-IMU 오도메트리 프런트엔드와 전역 정합 오차 최소화(global registration error minimization)에 기반한 전역 최적화 백엔드를 결합하고, 가장 무거운 커널을 GPU에서 실행하며, 기계식 회전 라이다, Livox 같은 비반복 스캔 솔리드스테이트 유닛, 심지어 RGB-D 카메라까지 '모든 거리 센서'를 하나의 확장 가능한 ROS 2 네이티브 아키텍처에서 의도적으로 지원합니다.

GLIM은 SLAM을 오도메트리 추정 프런트엔드와 전역 매핑 백엔드로 분리하며, 둘 다 GTSAM 위의 팩터 그래프 최적화로 정식화됩니다. 프런트엔드는 키프레임 기반 고정 구간(fixed-lag) 스무딩으로 라이다와 IMU를 강결합하여 격렬한 움직임에서도 강건함을 유지하고, 백엔드는 GPU 가속 복셀화 GICP 매칭 비용 팩터로 전역 궤적 최적화를 수행하며, 취약한 명시적 루프 검출 대신 전역 정합 오차 최소화 접근으로 루프를 닫습니다. 코어 이외의 모든 것은 플러그인입니다: 오도메트리 변형(CPU, GPU, IMU 중심), 루프 클로저 모듈, 그리고 자매 저장소 glim_ext의 확장 모듈들. 인터랙티브 뷰어는 저자의 Iridescence 라이브러리로 만들어졌고 ROS 2와 ROS 1 래퍼가 제공되며, 동일한 파이프라인이 Velodyne/Ouster 회전 라이다, Livox 솔리드스테이트 유닛, 깊이 카메라를 모두 처리합니다 — 공개 SLAM 시스템 중 이런 폭을 시도하는 경우는 드뭅니다.

중요한 이유

GLIM은 고전적인 공개 라이다 SLAM 스택의 가장 완성도 높은 현역 후속작입니다: 연구 수준의 전역 최적화와 GPU 가속을 잘 설계되고 문서화된 플러그인 확장형 패키지로 담아냈으며, 그 저자는 이미 공개 라이다 매핑 생태계의 상당 부분을 떠받치는 라이브러리를 만든 hdl_graph_slam과 small_gicp의 개발자입니다.

해결하는 문제

솔리드스테이트 라이다, 격렬한 플랫폼 움직임, 긴 궤적 등 최신 센서 환경에서 정확한 3D 맵을 만드는 일은 구형 라이다 SLAM 시스템의 가정을 무너뜨립니다. GLIM의 강결합 IMU 융합, GPU 가속 전역 최적화, 센서 불문 설계가 이런 경우들을 하나의 프레임워크에서 처리합니다.

핵심 요점

• 격렬한 움직임과 희소한 기하 구조에도 강건한 강결합 라이다-IMU 오도메트리
• 전역 최적화 백엔드가 맵 전체의 정합 오차를 최소화(취약한 루프 검출기 불필요)
• CUDA 가속 복셀화 GICP 팩터로 조밀한 전역 최적화를 실시간으로 처리 가능
• 센서 불문: 회전 라이다, Livox 솔리드스테이트 유닛, RGB-D 카메라
• 플러그인 아키텍처(glim_ext)와 ROS 2/ROS 1 래퍼로 깔끔한 확장과 통합

대상

• 3D 매핑 파이프라인을 구축하는 로보틱스 엔지니어
• 팩터 그래프 시스템을 확장하는 SLAM 연구자
• AMR 및 실외 로봇 개발자
• 모바일 라이다를 사용하는 측량 및 디지털 트윈 실무자

한계

• 최고 성능을 내려면 NVIDIA GPU가 필요(CPU 폴백은 더 느림)
• 표준 강결합 파이프라인에는 IMU가 필수
• 초대규모 주행에서는 맵 크기에 따라 전역 최적화 메모리 사용량이 증가