주제 정보
- 논문 ①(원판): “FAST-LIO: A Fast, Robust LiDAR-Inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter” — arXiv 2010.08196(v1 2020-10-16 · v3 2021-04-14) · IEEE RA-L 2021 vol. 6 no. 2 pp. 3317–3324(DOI
10.1109/LRA.2021.3064227) · 분야cs.RO. 즉 “라이다-관성 오도메트리를 얼마나 싸게 계산할 수 있는가”라는 한 줄 문제를 다룬 8쪽짜리 레터다. - 논문 ②(사실상의 본편): “FAST-LIO2: Fast Direct LiDAR-inertial Odometry” — arXiv 2107.06829(2021-07-14) · IEEE T-RO 2022 vol. 38 no. 4 pp. 2053–2073(DOI
10.1109/TRO.2022.3141876). 저장소(main브랜치)가 구현하는 것은 이 2.0이며, README도 “FAST-LIO 2.0 (2021-07-05 Update)”를 본체로 안내한다 — 1.0은 레터, 2.0이 트랜잭션인 구조다. - 저자·소속: Wei Xu(徐威) · Fu Zhang(張富)(Hong Kong University, MARS Lab) — 2.0에는 Yixi Cai(蔡逸熙) · Dongjiao He(賀東嬌) · Jiarong Lin(林家榮)가 추가된다. HKU 기계공학과의 MARS Lab은 라이다-관성 계열(Point-LIO ⭐1,356 · LiDAR_IMU_Init ⭐1,527 · FAST-LIVO2 ⭐4,753)을 연속 배출한 연구실이다.
- 인용(인덱스별 차이가 큼): FAST-LIO — Semantic Scholar 1,187회 · Crossref 1,137회 · OpenAlex 1,127회. FAST-LIO2 — OpenAlex 1,750회 · Crossref 1,773회(이 시리즈는 숫자를 인덱스 이름과 함께 적는다 — S2는 오늘 FAST-LIO2 조회에서
429를 반환해 표에서 제외했다). 레터 한 편과 트랜잭션 한 편이 합쳐 약 2,900회를 넘긴 셈이다. - 공식 저장소: hku-mars/FAST_LIO — ⭐ 5,275 · 🍴 1,723 · 워처 59 · 열린 이슈 1개 · C++ · GPL-2.0 · 생성 2020-10-12 · 최근 푸시 2025-01-15 · 기여자 11명 · 토픽
lidar-odometry·livox-avia-lidar. 의존성은 ROS(>= Melodic) · PCL(>= 1.8) · Eigen(>= 3.3.4) ·livox_ros_driver— 거대한 딥러닝 스택 없이 C++와 기하만으로 도는 저장소라는 점이 특징이다. - 성능 주장(초록·README 원문): 쿼드로터 온보드 컴퓨터에서 한 스캔당 유효 특징점 1,200개 이상을 융합하고 iEKF 한 스텝의 모든 이터레이션을 25 ms 안에 완료(RA-L 1.0) · README는 2.0에서 “over 100Hz LiDAR rate”를 명시 · ARM 보드 지원(Khadas VIM3 · NVIDIA TX2 · Raspberry Pi 4B 8GB). 회전형(Velodyne · Ouster)과 고체형(Livox Avia · Horizon · MID-70) 라이다를 모두 지원한다.
- 직접 계보(같은 연구실/저자): ikd-Tree ⭐813(arXiv 2102.10808, Cai·Xu·Zhang) — FAST-LIO2의 맵 자료구조 그 자체 · IKFoM ⭐570(매니폴드 위 iEKF 툴박스) · R2LIVE ⭐783(라이다+관성+비전) · MARSIM ⭐588(라이다 UAV 시뮬레이터, 2025-10-25 푸시). 한 논문이 아니라 “라이다 관성 계열 전체”의 뿌리라는 뜻이다.
- 함께 읽기(블로그 계보 — SLAM 3부작): 실시간 SLAM의 출발점 Google Cartographer(09-03, 2D/3D 그래프 SLAM) → 카메라·IMU 진영 ORB-SLAM3(10-13, 스테레오-관성 3.5 cm) → 오늘의 FAST-LIO(10-15, 라이다-관성 필터 기반 100 Hz). 인지·지도 쪽 접점은 KITTI(09-11, 라이다 벤치마크 원조) · CenterPoint(09-10) · BEVFusion(10-08), 그리고 위치추정이 올라가는 실차 스택은 Autoware(08-13)다.
핵심 내용
논문의 주장은 한 문장으로 줄어든다. “라이다-관성 오도메트리의 병목은 정확도가 아니라 계산 구조였다.” 한 스캔에는 수천 개의 점이 있고, 전통적인 EKF는 측정 차원만큼 큰 행렬을 다뤄야 한다. FAST-LIO는 칼만 이득을 구하는 공식을 바꿔 계산량을 상태 차원에 묶고, 2.0에서는 특징점 추출이라는 손으로 설계한 모듈을 아예 삭제한다. 그 결과가 “CPU·임베디드에서 100 Hz, iEKF 전 이터레이션 25 ms”다.
- ① 칼만 이득 공식을 상태 차원으로 내렸다(RA-L 1.0의 핵심): 초록은 “측정 수가 많을 때 계산 부담을 줄이기 위해 새로운 칼만 이득 계산 공식을 제시했고, 그 계산량이 측정 차원이 아니라 상태 차원에 의존한다”고 적는다. 한 스캔에 점이 1,200개든 12,000개든 역행렬 크기가 상태 차원(자세·속도·바이어스·중력 등 소수 차원)에 묶인다는 뜻 — 센서가 좋아질수록 느려지는 구조를 끊은 것이 1.0의 기여다.
- ② EKF가 아니라 iEKF(반복 확장 칼만 필터)다: 한 스텝에서 선형화를 여러 번 되풀이해 비선형 오차를 줄인다. FAST-LIO의 요약은 “급가속·노이즈·복잡한 환경과 퇴화(degeneration)가 일어나는 상황에서 강건한 항법”을 내걸고, 실제로 쿼드로터 온보드 컴퓨터에서 실내·실외 다양한 환경을 돌려 실시간으로 신뢰할 만한 결과를 얻었다고 보고한다.
- ③ 2.0은 특징 추출을 삭제했다 — 원시 점을 맵에 직접 등록: FAST-LIO2 초록의 첫 번째 신규성은 “특징점을 뽑지 않고 원시 점을 맵에 직접 등록(scan-to-map)”하는 것이다. 손으로 설계한 특징 추출기가 사라지면 (a) 환경의 미세한 특징까지 써서 정확도가 오르고 (b) 스캔 패턴이 다른 새로운 라이다에도 그대로 이식된다. 2020년대 고체형 라이다(비반복 스캔)가 쏟아진 상황에서 결정적인 이식성이었다.
- ④ 맵을 ikd-Tree로 유지한다 — 증분 k-d 트리: 두 번째 신규성은 ikd-Tree다. 점 삽입·삭제와 동적 리밸런싱을 증분으로 수행하고, 트리 위에서 다운샘플링까지 지원한다. 논문은 octree · R*-tree · nanoflann k-d tree와 비교해 “더 우수한 종합 성능”이라고 주장한다. README는 이 자료구조 덕분에 100 Hz 이상의 라이다 레이트가 가능하다고 적는다 — 정확도가 아니라 자료구조가 속도를 만든 사례다.
- ⑤ 19개 시퀀스 전수 벤치마크: FAST-LIO2는 여러 공개 라이다 데이터셋에서 뽑은 19개 시퀀스로 비교 실험을 수행하고 “일관되게 더 높은 정확도를 훨씬 낮은 계산량으로” 달성했다고 보고한다. 1.0 시절 “온보드에서 25 ms”라는 단일 숫자에서, 2.0에서는 데이터셋 전수 비교로 증거 등급을 올린 셈이다.
- ⑥ 강건성·초기화·이식성: README가 내거는 항목은 ① 빠른 iEKF ② 대부분의 정상 환경에서 자동 초기화 ③ 병렬 k-d 트리 탐색에 의한 계산 감소다. 지원 플랫폼은 Khadas VIM3 · NVIDIA TX2 · Raspberry Pi 4B(8G) — GPU 없는 ARM 보드에서 도는 실시간 오도메트리는 “차량·드론에 얹어 실험할 수 있는 코드”라는 뜻이고, ⭐5,275의 실질적 이유다.
- ⑦ 6년째 살아있는 계보(2020 → 2026): ikd-Tree(⭐813) → IKFoM(⭐570) → R2LIVE(⭐783) → FAST-LIO(⭐5,275) → LiDAR_IMU_Init(⭐1,527, IROS 2022) → FAST-LIVO2(⭐4,753, 2026-03-08 푸시) · Point-LIO(⭐1,356, 2026-06-13 푸시) · MARSIM(⭐588). 원판 저장소의 마지막 푸시가 2025-01-15인데도 주변 저장소가 2026년까지 갱신된다 — 중심 코드가 “기준선”으로 고정되고 확장이 옆에서 자라는 전형적인 성숙 곡선이다.
왜 유명한가 / 활용 가치
- “팩터 그래프 vs 필터” 구도에서 필터 진영의 대표 주자다: 같은 시기 라이다-관성 계열의 유명 구현체(LIO-SAM 등)는 GTSAM 기반 팩터 그래프 최적화로 정확도를 챙기는 대신 무겁다. FAST-LIO는 iEKF + 증분 자료구조로 반대 방향을 택해 “가벼운데 정확하다”는 명제를 실증했다. 블로그의 SLAM 계보에서 Cartographer(그래프) · ORB-SLAM3(비주얼-관성 최적화)와 나란히 놓으면 세 가지 서로 다른 설계 철학이 한 줄로 정리된다.
- 자율주행 실무의 “GPS 음영” 문제를 직접 건드린다: 터널·지하주차장·도심 협곡·고가 아래에서는 GNSS가 죽고, 라이다-관성 오도메트리가 유일한 연속 위치원이 된다. 6자유도 궤적과 지도를 동시에 만드는 이 계열이 Autoware 같은 오픈소스 스택의 위치추정 계층에서 중요한 이유다. 나아가 CenterPoint·BEVFusion 같은 검출·융합 모델은 자기 위치가 맞다는 전제 위에서만 동작한다 — 위치추정이 먼저다.
- 인용 2,900회 이상 + ⭐5,275의 조합은 “재현되는 논문”의 표본이다: RA-L 1.0이 1,127~1,187회, T-RO 2.0이 1,750~1,773회 인용됐고, 저장소는 포크 1,723에 열린 이슈가 1개다. 논문 인용과 코드 확산이 함께 가는 경우는 드물다 — 실험실 결과를 남이 실제로 돌려볼 수 있었기 때문이며, GPL-2.0으로 공개된 C++ 단일 패키지라는 배포 형태가 그 조건을 만들었다.
- 고체형 라이다 시대의 이식성: 2.0이 특징 추출을 제거한 결과 Livox Avia · Horizon · MID-70 같은 비반복(non-repetitive) 스캔 라이다와 Velodyne · Ouster 같은 회전형을 같은 코드로 처리한다. 센서가 바뀔 때마다 파이프라인을 다시 설계하지 않아도 된다는 점은 양산 하드웨어가 유동적인 로봇·차량 개발에서 큰 실무 이득이다.
- 한계도 분명하다 — 오도메트리지 SLAM이 아니다: 루프 클로저를 내장하지 않아 장시간 주행에서는 누적 오차가 쌓이며, 결국 GNSS·맵 매칭·재위치추정(별도 모듈)으로 보정해야 한다. 또 GPL-2.0이라 폐쇄형 상용 펌웨어에 그대로 임베딩하려면 라이선스를 따로 검토해야 하고, 구현은 ROS1(
>= Melodic) 중심에 마지막 푸시가 2025-01-15라 최신 ROS2·최신 PCL 생태계를 쓰는 프로젝트라면 포팅 비용을 계산에 넣어야 한다. 마지막으로 25 ms·100 Hz 같은 수치는 특정 라이다·보드 조합에서의 보고 값이며, 자기 센서로 확인하는 절차는 생략할 수 없다. - 산업·연구 양쪽에서 “기준선”으로 쓰인다: 새 LIO 논문이 등장하면 비교표의 한 줄은 거의 항상 FAST-LIO(2)다. 즉 이 저장소는 알고리즘이면서 측정 단위이고, 인용 수의 상당 부분은 “우리 것보다 좋다/비슷하다”를 주장하는 논문들에서 나온다 — KITTI가 데이터셋 벤치마크의 기준이듯, FAST-LIO는 LIO 구현의 기준이다.
시사점 및 결론
FAST-LIO가 남긴 교훈은 “성능은 알고리즘 아이디어보다 계산 구조에서 나온다”는 것이다. 칼만 이득 계산량을 측정 차원에서 상태 차원으로 옮기고(1.0), 손으로 설계한 특징 추출기를 지운 뒤(2.0), 맵을 증분 k-d 트리로 유지하는(ikd-Tree) 세 결정은 모두 수식의 미학이 아니라 시스템 설계다. 그 결과가 쿼드로터 온보드 컴퓨터에서 iEKF 전 이터레이션 25 ms, 임베디드 보드에서 100 Hz이고, 인용 2,900회·별 5,275개가 그 설계 선택의 시장 가격이다. 자율주행 스택의 관점에서 이 글의 위치는 명확하다 — 인지(CenterPoint·BEVFusion)와 예측·계획이 아무리 좋아져도 “나는 지금 어디에 있는가”가 무너지면 전부 무효다. 카메라-관성(ORB-SLAM3), 라이다-관성(FAST-LIO), 맵 기반 매칭(Autoware)은 서로의 실패 조건이 다르기 때문에 병렬로 두는 것이 안전 설계다. 2020년에 공개된 C++ 패키지 하나가 2026년까지 갱신되는 주변 생태계(FAST-LIVO2 ⭐4,753, 2026-03 푸시)를 거느린 이유는 단순하다 — 논문을 읽는 것보다 저장소를 돌려보는 것이 빠르고, 이 저장소는 실제로 돌아간다.
원문: https://arxiv.org/abs/2010.08196(FAST-LIO, RA-L 2021) · https://arxiv.org/abs/2107.06829(FAST-LIO2, T-RO 2022) · 코드: https://github.com/hku-mars/FAST_LIO
목록으로 돌아가기