Core Concepts
본 연구는 사건 카메라, 이미지, IMU 데이터를 통합하여 강건하고 실시간적인 6자유도 자세 추정과 밀집 3D 지도 생성을 달성하였다.
Abstract
본 연구는 사건 카메라, 이미지, IMU 데이터를 활용하여 6자유도 자세 추정과 3D 밀집 지도 생성을 동시에 수행하는 EVI-SAM 시스템을 제안한다.
자세 추정 모듈에서는 특징점 기반 방법과 직접 정렬 방법을 결합한 하이브리드 프레임워크를 설계하였다. 이를 통해 특징점 기반 방법의 강건성과 직접 정렬 방법의 정확성을 모두 활용할 수 있다.
지도 생성 모듈에서는 사건 카메라 데이터만을 이용하여 반밀집 깊이 지도를 생성하고, 이미지 정보를 활용하여 이를 밀집 깊이 지도로 보완한다. 또한 TSDF 기반 융합을 통해 전역적으로 일관된 3D 텍스처 지도와 표면 메쉬를 생성한다.
실험 결과, 제안하는 EVI-SAM 시스템은 다양한 시나리오에서 우수한 자세 추정 및 3D 지도 생성 성능을 보였다. 특히 고동적 범위, 고속 움직임 등의 까다로운 상황에서도 강건한 성능을 발휘하였다.
Stats
고동적 범위 시나리오에서 평균 위치 오차 0.13m, 평균 자세 오차 0.56도
고속 움직임 시나리오에서 평균 위치 오차 0.26m, 평균 자세 오차 2.08도
Quotes
"본 연구는 사건 카메라, 이미지, IMU 데이터를 통합하여 강건하고 실시간적인 6자유도 자세 추정과 밀집 3D 지도 생성을 달성하였다."
"제안하는 EVI-SAM 시스템은 다양한 시나리오에서 우수한 자세 추정 및 3D 지도 생성 성능을 보였다. 특히 고동적 범위, 고속 움직임 등의 까다로운 상황에서도 강건한 성능을 발휘하였다."