Autonomous Hiking Trail Navigation Via Semantic Segmentation and Geometric Analysis

저자: Camndon Reed, Christopher Tatsch, Jason N. Gross, Yu Gu · IROS 2025

라이선스

• 오픈 액세스
• 논문: CC BY 4.0

아래 내용은 모두 논문의 라이선스(CC BY 4.0)에 따라 논문 전문을 바탕으로 하며, 그림에는 저자를 표기했습니다.

요약

카메라 의미 정보와 LiDAR 기하 정보를 하나의 주행 가능성 지도로 융합한다. 그런 다음 RRT* 웨이포인트 플래너가 Husky 로봇을 등산로 위에 유지하되 위험 요소 주변에서는 등산로 밖으로 우회시킨다.

중요한 이유

저자들은 등산로 모니터링 및 유지 관리, 가이드 투어, 야생동물 추적, 생태계 평가, 수색 및 구조를 등산로 주행이 가능한 로봇의 용도로 꼽는다. 시뮬레이션 스윕은 핵심 트레이드오프를 명확히 보여 준다. 의미 정보 가중치를 높이면 로봇이 등산로 위에 더 많이 머무르며, 저자들은 이를 침식 및 서식지 교란 감소와 연결하지만, 그 대가로 경로가 길어진다.

문제

등산로는 비정형적이며 날씨, 식생, 침식, 사람의 통행에 따라 변하므로 자율 지상 차량에게 어렵다. LiDAR만 사용하는 기하학적 방법은 작은 등산로 위험 요소를 놓치거나 키 큰 풀을 장애물로 취급할 수 있고, 카메라만 사용하는 의미 기반 방법은 악천후와 저시정 상황에서 어려움을 겪으며, 2.5D 융합 격자 지도는 셀당 하나의 값만 저장하여 돌출되거나 여러 층으로 된 구조를 놓친다. 등산로 로봇은 또한 등산로에 머무르는 것과 위험 요소를 피하거나 안전한 지름길을 이용하기 위해 등산로를 벗어나는 것 사이에서 균형을 잡아야 한다.

제안 방법

직접 레이블링한 등산로 이미지 1,250장(8개 클래스)으로 학습한 YOLOv8 분할 모델이 ZED 2i RGB 스트림에 레이블을 붙인다. 마스크는 스테레오 깊이 점군에 투영되고, 점군은 필터링(0.5–6.0 m 범위, 0.1 m 복셀, 통계적 이상치 제거)된 뒤 이중 k-d 트리를 통해 LiDAR 기하 지형 분석과 짝지어진다. 각 점의 비용은 C = w·(의미 비용) + (1 − w)·(기하 비용)이며, 융합된 점군은 오도메트리와 ICP를 사용해 전역 주행 가능성 지도에 정합된다. RRT* 전역 플래너는 균일 샘플링 대신 주행 가능성 분포에서 후보 웨이포인트를 샘플링하여 FALCO 로컬 플래너에 전달한다.

핵심 통찰

• 기하 정보만 사용한 주행 가능성(w = 0)이 가장 나쁜 결과를 냈으며, 0.5 미만의 가중치는 세 가지 지표(시간, 거리, 등산로 위 주행 비율) 모두에서 더 나쁜 성능을 보였다.
• w = 0.5와 w = 1 사이에서 의미 정보 가중치를 높이면 등산로 위 주행 비율은 증가했지만 주행 시간과 거리가 늘어났다. 이는 준수 대 효율의 명확한 트레이드오프다.
• 주행 가능성 지도의 확률 분포에 따라 RRT* 샘플링에 편향을 주면 균일한 무작위 샘플 대신 주행 가능한 지면 쪽으로 트리 성장이 유도된다.
• 로봇 높이보다 높은 점과 스테레오 카메라의 신뢰할 수 있는 0.5–6.0 m 깊이 범위를 벗어난 점을 걸러내면 잘못된 깊이와 무성한 식생으로 인한 노이즈가 줄어든다.

주요 결과

• YOLOv8 분할 모델은 전체 클래스에서 75.8% mAP, 등산로 클래스에서 96.7% mAP에 도달했다.
• 시뮬레이션 경로 1: 등산로 위 주행 비율이 w = 0에서 24.93%, w = 1에서 67.47%로 증가했다. w = 0.5에서 시간과 거리가 가장 짧았다(114.14 s, 140.8 m).
• 시뮬레이션 경로 2: 등산로 위 비율이 w = 0에서 18.768%, w = 1에서 64.65%로 증가했지만, w = 1에서는 193.64 s와 225.1 m가 걸려 w = 0.5의 108.47 s와 146.2 m보다 길었다.
• w = 0.75로 West Virginia University Core Arboretum 등산로에서 수행한 현장 시험: 로봇은 통과할 수 없는 물체를 식별하고, 풀밭으로 우회한 뒤, 깨끗한 경로가 확보되자 등산로로 복귀했다.

한계

• 저자들은 대표성이 낮은 클래스의 정확도를 높이기 위해 더 큰 분할 데이터셋이, 일반화를 개선하기 위해 다른 계절과 다른 등산로의 데이터가 필요하다고 말한다.
• 저자들은 웨이포인트 선택기의 등산로 준수와 등산로 밖 우회 사이의 균형이 아직 최적화가 필요하다고 밝힌다.
• 현장 시연은 등산로 한 구간만 다루며 정성적으로 보고된다. 주행 가능성 지도는 웨이포인트를 계획하기 전에 원격 조작으로 한 번 주행하면서 구축되었다.
• 의미 지도 작성은 저자들이 0.5 m에서 6.0 m 사이에서만 정확하다고 간주하는 스테레오 깊이에 의존한다.
• 융합 가중치 w는 두 개의 시뮬레이션 경로를 바탕으로 선택된, 수동으로 설정한 고정 매개변수다(현장에서는 0.75).

분야에 미친 영향

이 논문은 IROS 2025 수상 후보작(프로그램 세션 TuAT1)이었으며 인용 횟수는 4회이다. 저자들은 의미 레이블이 붙은 등산로 이미지 데이터셋을 IEEE DataPort에, 벤치마크로 사용하도록 만든 Gazebo 등산로 시뮬레이션 환경을 공개했다.

초록

자연환경은 특히 비정형적이고 끊임없이 변화하는 특성으로 인해 자율 로봇 내비게이션에 상당한 과제를 제기한다. 날씨, 식생, 사람의 통행에 영향을 받는 역동적인 조건을 지닌 등산로는 그러한 과제 중 하나다. 본 연구는 등산로 준수와 필요할 때 등산로 밖 경로에 적응하는 유연성 사이의 균형을 맞추는 자율 등산로 내비게이션의 새로운 접근 방식을 소개한다. 이 솔루션은 카메라 이미지의 의미 정보와 LiDAR의 기하학적 정보를 통합하여 주변 지형에 대한 종합적인 이해를 구축하는 주행 가능성 분석(Traversability Analysis) 모듈이다. 플래너는 이 주행 가능성 지도를 사용하여 안전하게 내비게이션하며, 등산로를 따르되 등산로 위의 위험 요소를 피하거나 안전한 등산로 밖 지름길을 이용하기 위해 필요할 때는 등산로 밖으로 이동하는 것을 허용한다. 이 방법은 주행 가능성 추정에서 의미 정보와 기하학적 정보 사이의 균형을 결정하기 위해 시뮬레이션을 통해 평가된다. 이러한 시뮬레이션에서는 다양한 가중치를 시험하여 서로 다른 등산로 시나리오에서 내비게이션 성능에 미치는 영향을 평가했다. 이후 가중치는 West Virginia University Core Arboretum에서의 현장 시험을 통해 검증되었으며, 실제 환경에서 이 방법의 효과를 입증했다.

링크

• arXiv 2409.15671: https://arxiv.org/abs/2409.15671
• DOI 10.1109/IROS60139.2025.11245853: https://doi.org/10.1109/IROS60139.2025.11245853
• PDF: https://arxiv.org/pdf/2409.15671v1