대규모 터널 공중-지상 협업을 위한 FLISP: 빠른 LiDAR-IMU 동기 동기화 경로 계획기

터널과 같은 장주(長距)·저조도·반복적 구조 환경에서는 전통적 SLAM 기반 지도 유지가 누적 드리프트와 계산 비용 문제로 실용성을 상실한다. FLISP는 단일 UGV 장착 LiDAR-IMU로 지도 없이도 UGV와 UAV를 동기화된 경로로 실시간으로 안내해 드리프트와 지도의 유지 비용을 제거했다. 이 접근은 제한된 온보드 계산 자원과 가혹한 환경 제약을 가진 인프라 점검 작업에서 즉시 적용 가능한 경로 계획 해법을 제시한다.

터널과 같이 반복적이고 특징이 부족한 환경에서는 전역 SLAM 지도의 일관성 유지가 취약하고 연산·메모리 비용이 크다. 제공되는 LiDAR-IMU 스트림은 지역 기하 정보와 관성 기반 자세 추정을 결합해 즉시 사용할 수 있는 로컬 표면 정보를 제공하므로, 전역 지도를 구성하지 않고도 유효한 장거리 중심선을 산출할 수 있다. 따라서 지도 유지 비용과 누적 드리프트를 제거하면 실시간성·안정성 측면에서 현저한 이득이 발생한다.

FLISP는 세 개의 동기화된 하위 시스템으로 구성된다. 첫째, UGV 기반의 상태 추정 및 인식 계층은 LiDAR 점군과 IMU 데이터를 융합해 차량의 자세(특히 횡방향 요‧롤 정보)를 산출하고, 동적 빈닝 기법과 경계점 추출을 통해 초기 중심선을 생성한다. 둘째, 다단계 경로 생성 파이프라인은 초기 중심선의 잡음을 베이지안 이상치 검출로 정제하고, 곡률에 따라 선형 또는 다항식 적합을 수행해 결손된 점군을 보간하여 연속성을 확보한다. 셋째, 장애물 검출과 회피는 경로 중심의 안전 코리더를 구성해 관심영역만 필터링한 뒤, 계산적으로 저렴한 1차원 횡단 탐색으로 Firefly Algorithm을 적용해 실시간 회피 해를 찾는다. UAV 경로는 UGV 중심선을 입력 파라미터로 삼아 통신 안전 반경과 고도 제약을 고려한 초기투영을 수행한 뒤, 각 웨이포인트 근방에서 극좌표 샘플링으로 후보를 생성하고 안전성·부드러움·목표진전·고도 일관성의 가중합 비용으로 반복 최적화를 수행한다. 최종적으로 생성된 경로는 UGV에서는 5차(quintic) 최소저크 보간, UAV에서는 비균일 B-스플라인으로 시간 매개화하여 동적 제약을 만족하게 변환하며, curvature-aware 시간할당과 PD 피드포워드 제어를 통해 추종한다.

시뮬레이션과 현장 시험에서 FLISP는 실시간성, 안정성, 계산 비용 측면에서 우수한 성능을 보였다. 시뮬레이션 100회 반복 실험에서 표준 직선 구간은 평균 약 3.50ms의 레이턴시를 보였고 곡선 영역은 약 5.0ms 내외였으며, 장애물 포함 구간에서도 UGV는 대체로 6–8.8ms 범위에 머물렀다. 실환경 1.2km 터널 배치에서는 전체 성공률 100%를 달성했고 평균 시스템 레이턴시는 7.05ms로 보고되었으며, 이는 그리드 기반 A* 대비 약 7배, 샘플링 기반 방법 대비 세 자릿수 속도 우위로 제시되었다. 또한 리소스 사용량 측면에서 FLISP는 평균 CPU 부하 약 1.37%와 메모리 39.7MB로 매우 작은 온보드 풋프린트를 유지해 다른 인식·기록 작업과 병행이 가능했다.

전체 아키텍처는 UGV 중심의 데이터 플로우로 설계되었으며 주요 하드웨어는 Intel i7-12700 CPU와 NVIDIA GTX 4060-8G GPU, Ouster OS1-64 64라인 LiDAR였다. 센서 융합은 LiDAR의 위치 점군과 IMU의 각속도·가속도 정보를 동기화해 로컬 자세를 보정하며, yaw 미결정성은 터널 벽 법선 추정으로 보완해 쿼터니언에 통합했다. 경로 생성은 먼저 x축(주행 방향)을 기준으로 동적 스텝 Δs로 점군을 빈(bin) 처리하고 각 bin에서 좌우 경계점을 추출해 중심선을 계산한다. 곡률 판별은 이웃 샘플의 기울기 분산 σ²_K로 수행되며, 곡률이 큰 구간에서는 다항식 적합으로 결손을 메운다.

논문은 몇 가지 명백한 제약을 기술했다. 먼저 이동 중 발생하는 진동과 지반 불균일로 인한 'step loss' 현상으로 말단 몇 미터 경로가 단절될 수 있으며, 현장시험에서는 최종 200m 구간을 깊은 퇴적물 때문에 주행을 중단한 사례가 있었다. 또한 현재 프레임워크는 선형·반복 구조에 최적화되어 복잡한 교차로·분기점에서는 토폴로지적 의사결정 계층이 필요하다고 명시했다. 마지막으로 논문은 고수준 참조 경로를 생성하는 데 초점을 두었고, 이를 강건히 실행하기 위한 저수준의 안전성 보장 제어(예: CBF 기반 컨센서스 트래킹)의 물리적 통합은 후속 작업으로 남겨졌다.