[ Map merging ] #00. Plan

기본적으로 나는 Map merge를 위한 프로젝트를 계획중이다.
그에 따른 자세한 계획이 지금 다시 필요할 것 같다.
한번 정리해보자.

1. 실험에 사용하기 위한 적절한 Datasets 선정 (done)
2. ROS를 이용한 Datasets 사용방법 확인 (done)
3. Datasets를 이용해 Visual SLAM을 하는 방법 확인 (done)
4. Datasets을 통해 얻어진 Pose의 신뢰성을 groundtruth와 비교하는 방법을 확인 (done)
5. EuRoc의 데이터셋 중 한 장소를 대상으로 한 두개의 데이터셋이 있는지 확인하기(done)
6. "A Benchmark Comparison of Monocular Visual-Inertial Odometry Algorithms for Flying Robots" paper를 읽은 후 적절한 Visual-Inertial Odometry Algorithms을 선정하기
7. 선정된 Visual-Inertial Odometry Algorithms과 Datasets(EuRoc의 MH_01_easy와 MH_02_easy)을 이용해 SLAM을 진행해 맵 데이터 뽑기
8. sparse map에 대해 Map merge 하는 방법에 대한 조사를 진행하고 어떻게 시스템에 적용시킬지 연구
9. sparse map에 대해 Map merge 하는 방법들을 datasets에 대해 실행해본 뒤 성능 비교를 통해서 가장 적합한 방법을 선정하기
10. Lidar slam도 포함된 Datasets 조사하기 (아마 Rawseeds-indoor 가 적절할 것이라 예상되고, 하지만 해당 데이터는 모바일 로봇을 기반으로 했기 때문에 드론을 이용한 데이터셋을 새로 만들어야 할 수도 있음. 그렇게 되면, groundtruth를 어떻게 측정할 것인지 고민해야할 필요가 있기 때문에 일단은 Rawseeds-indoor를 사용해 모바일로봇에서 테스트를 해볼 필요가 있음.)
11. Datasets(아마 Rawseeds-indoor)을 이용하여 Lidar SLAM을 진행하기 (아마 cartographer가 적절할 것으로 예상되는데, 이에 대한 리뷰페이퍼도 확인할 필요가 있음.)
12. Lidar SLAM과 Visual-Inertial Odometry SLAM을 이용해 map merge를 하는 방법에 대해 조사. (조사는 해봤는데, 적절한 자료는 못찾았던 것으로 기억한다. 아마 이 부분에 대해서 새로 개발이 필요할 수 있겠다.)
13. Lidar SLAM과 Visual-Inertial Odometry SLAM을 이용한 map merge 진행 (만약 Rawseeds-indoor 데이터를 이용해서 적절한 결과가 도출된다면 바로 실제 실험으로 들어가고, 만약 플랫폼이 모바일로봇이기 때문에 적절한 결과가 도출되지 않는다면 새로운 데이터셋을 만들어야할 필요가 있을 것이다.)
14. map merge한 결과에 대한 신빙성을 확인하기 위해서는 어떻게 해야할까? 아마 다음과 같은 과정을 거쳐야 할 것 같다.
1. 실제 실험을 통해 맵을 만든다.
2. 실내에 임의의 장애물들을 배치하여 실제 장애물의 위치를 측정하고, 만들어진 지도에서의 장애물의 위치 또한 측정한다. (흠... 해당 부분은 좀 더 고민...)
15. 논문작성