# 격자 지도

## 개요

**격자 지도**(Grid Map)는 로보틱스 분야에서 로봇이 주변 환경을 인식하고 탐색하기 위해 사용하는 대표적인 **지도 표현 방식** 중 하나입니다. 이 방식은 물리적인 공간을 정사각형 또는 정육면체 형태의 격자(셀)로 나누어 각 셀에 환경 정보를 저장함으로써, 로봇이 위치 추정, 경로 계획, 장애물 회피 등의 작업을 수행할 수 있도록 돕습니다. 격자 지도는 특히 **자율주행 로봇**, **드론**, **SLAM**(Simultaneous Localization and Mapping) 시스템 등에서 널리 활용됩니다.

격자 지도는 직관적인 구조와 비교적 간단한 구현 방식 덕분에 오랜 기간 동안 로보틱스 분야의 표준 지도 형식으로 자리 잡아왔으며, 다양한 센서(예: 라이다, 초음파, 카메라)의 데이터를 통합하여 사용할 수 있습니다.

---

## 구조와 원리

### 격자 셀의 구성

격자 지도는 2차원 또는 3차원 공간을 일정한 크기의 격자로 분할합니다. 각 격자 셀은 다음과 같은 정보를 포함할 수 있습니다:

- ** occupancy probability **(점유 확률): 해당 셀이 장애물로 점유되었을 확률 (예: 0.0 = 비어 있음, 1.0 = 점유됨)
- ** occupancy status **(점유 상태): 이진 값 (비어 있음/점유됨) 또는 다중 상태 (예: 알 수 없음)
- ** 센서 데이터 신뢰도**: 센서 측정값의 반복성 및 정확도에 따른 가중치
- ** 타임스탬프**: 정보 갱신 시각 (동적 환경 대응용)

이러한 정보는 보통 **확률적 모델**을 기반으로 업데이트되며, 대표적으로 ** occupancy grid mapping **(점유 격자 맵핑) 기법이 사용됩니다.

### 확률적 업데이트 방식

격자 지도는 센서 측정값을 반복적으로 반영하여 각 셀의 상태를 갱신합니다. 일반적으로 **로그-홀드 확률**(log-odds) 방식을 사용하여 계산의 안정성과 효율성을 높입니다.

예를 들어, 각 셀의 점유 확률 \( p \)는 다음과 같은 로그-홀드 형식으로 표현됩니다:

\[
l_t = l_{t-1} + \log\left(\frac{p(z_t | \text{occupied})}{p(z_t | \text{free})}\right)
\]

여기서 \( l_t \)는 시간 \( t \)에서의 로그-홀드 값이며, \( z_t \)는 센서 측정값입니다. 이 방식은 수치적 오버플로우를 방지하고, 반복적인 업데이트에 적합합니다.

---

## 종류

### 2D 격자 지도

가장 일반적인 형태로, 평면 상의 환경을 표현합니다. 주로 지면을 이동하는 로봇(예: 청소 로봇, 물류 로봇)에서 사용됩니다. 각 셀은 X-Y 좌표계 상의 위치를 가지며, 높이 정보는 무시하거나 별도의 레이어로 처리합니다.

- **장점**: 계산 비용 낮음, 실시간 처리 가능
- **단점**: 경사로, 계단 등 3D 구조 표현 어려움

### 3D 격자 지도 (Voxel Grid)

3차원 공간을 정육면체(Voxel) 단위로 분할하여 표현합니다. 드론, 산업용 로봇, 자율주행차의 복잡한 환경 인식에 적합합니다.

- **장점**: 높이, 경사, 입체 구조 정확히 표현 가능
- **단점**: 메모리 사용량 큼, 처리 속도 느림

---

## 활용 사례

### SLAM (동시 위치 추정 및 맵핑)

격자 지도는 **확률적 SLAM 알고리즘**(예: GMapping, Hector SLAM)의 핵심 구성 요소입니다. 로봇이 이동하면서 센서 데이터를 수집하고, 이를 기반으로 지도를 생성하면서 자신의 위치를 추정합니다.

### 경로 계획

A*, Dijkstra, RRT 등의 경로 계획 알고리즘은 격자 지도 위에서 비용 맵(Cost Map)을 생성하여 최적 경로를 탐색합니다. 각 셀은 장애물 근처일수록 높은 비용을 가지며, 로봇은 이를 회피하는 경로를 선택합니다.

### 동적 환경 대응

최근 연구에서는 격자 지도에 **시간 정보**를 추가하여 이동하는 객체(사람, 차량 등)를 추적하고 예측하는 **4D 격자 지도**도 등장하고 있습니다.

---

## 장점과 한계

| 항목 | 설명 |
|------|------|
| **장점** | - 직관적인 구조로 이해와 구현이 쉬움<br>- 다양한 센서와 호환 가능<br>- 확률적 모델과 잘 결합됨 |
| **한계** | - 고해상도일수록 메모리 소모 큼<br>- 공간 효율성이 낮음 (빈 공간도 저장)<br>- 정밀한 곡면 표현 어려움 |

---

## 관련 기술 및 대안

- **특징 기반 지도**(Feature-based Map): 특정 지점(코너, 선 등)만 저장하여 메모리 효율 향상
- **점군 지도**(Point Cloud Map): 3D 스캐닝 데이터를 그대로 저장
- **위상 지도**(Topological Map): 위치 간 연결성만 표현, 경로 계획에 효율적

격자 지도는 이러한 대안들과 함께 **하이브리드 맵핑**(Hybrid Mapping) 방식으로 결합되어 사용되기도 합니다.

---

## 참고 자료

- Thrun, S., Burgard, W., & Fox, D. (2005). *Probabilistic Robotics*. MIT Press.
- Moravec, H. P., & Elfes, A. (1985). *High Resolution Maps from Wide Angle Sonar*. IEEE ICRA.
- ROS (Robot Operating System) 공식 문서 - `map_server`, `costmap_2d` 패키지

--- 

격자 지도는 로보틱스의 기초이자 핵심 기술로서, 앞으로도 인공지능 및 센서 기술의 발전과 함께 진화할 것으로 기대됩니다.