• RGB-D 대여 불가 — 초기 계획 핵심 센서였던 RGB-D 카메라 대여 불가에 따른 구성 변경
• 저가형 스테레오 제작 — 기본 지급 C270(HD) 및 개인 C920(FHD) 웹캠을 하드웨어 프레임 개조로 결합
• 플랫폼 업그레이드 — 연산 병목 현상을 해결하기 위해 Raspberry Pi 3에서 Pi 4로 교체
• 통신 환경 최적화 — ROS 2 Jazzy 및 Ubuntu 24.04 직접 빌드, systemd 기반 통신 환경(IP 브로드캐스트, SSH) 자동 활성화

• Gazebo 시뮬레이터 상에 가상 카메라 구현 및 URDF/SDF 기반 카메라 링크·좌표계 정의
• ROS-Gazebo 브릿지 노드를 활용하여 가상 이미지 및 카메라 정보 토픽 변환
• RViz2 상에서 로봇 모델, LiDAR 측정 정보, TF 트리 및 스테레오 카메라 데이터 연동 검증
• 실물 데이터와의 일관성 확보를 통한 시뮬레이션 기반 데이터 검증 프로토콜 구축

• 센서 구성 — turtlebot3_node · usb_cam · TF/camera frame 연결
• 원격 조종 — Xbox 조이스틱 및 UDP 브릿지를 활용한 TwistStamped 제어 정보 수신 (DDS 불안정 우회)
• 실험 자동화 — 원격 제어 스크립트를 통한 SSH 기반 로봇 조작, 실행 및 자동 데이터 수집
• 기록 — rosbag2를 활용한 2D LiDAR 데이터, 오도메트리 정보 및 스테레오 이미지 일괄 취득

기존 알고리즘 기반 포인트 클라우드 매핑 결과, 평면 구조물의 윤곽이 왜곡되고 포인트가 분산되는 현상이 식별됨. 주행 데이터셋(bag) 간의 ICP 정합 수행 후에도 좌표계 누적 오차로 인해 공간 형상 복원에 한계 노출.

Camera_info, TF, odom 이슈를 해결하고, rectification → disparity map → 3D back proj. 의 정석 방법을 시도해보았지만 여전히 결과가 좋지 않다.

• Baseline 부족 — 두 카메라의 disparity 자체가 적다: baseline이 실측 기준 10cm조차 되지 않는다
• 이종 카메라 결합 — HW 이슈로 서로 다른 카메라를 사용하며 화각, 색감, 노출, 렌즈, 해상도가 모두 달라 합치는 데 어려움이 있었다
• 플랫폼 한계 — 바닥 중심의 저각도 시야, texture 부족, 빛반사 등

• 안정적인 LiDAR-depth 활용 — 라이다 센서에서 추출한 depth를 이용한 안정적인 구조 기준 확보
• 이미지 매핑 — 수십 장의 파노라마 이미지를 생성한 뒤 feature extract를 진행하여 depth 결과에 매핑
• 한계 — 2D LiDAR와 3D 스테레오 카메라 매핑 시 Z축 불일치로 결과 품질 저하; no texture 환경으로 인해 추출 feature 수가 적어 매핑에 어려움 발생