Core Concepts
딥 러닝 기반 시각 동시 위치 추정 및 매핑 시스템에 다중 센서 정보를 긴밀하게 통합하여 대규모 환경에서의 실시간 정확한 위치 추정 및 밀집 매핑을 달성함
Abstract
이 논문은 딥 러닝 기반 시각 동시 위치 추정 및 매핑(VSLAM) 시스템에 다중 센서 정보를 긴밀하게 통합하는 DBA-Fusion 프레임워크를 제안한다.
핵심 구성은 다음과 같다:
반복적 광학 흐름과 딥 밀집 번들 조정(DBA)을 통해 시각 프론트엔드를 구현하고, 이를 통해 얻은 기하학적 정보를 요인 그래프에 통합한다.
관성 측정 장치(IMU), 위성 항법 시스템(GNSS), 바퀴 속도 센서(WSS) 등 다양한 센서 정보를 요인 그래프에 융합하여 대규모 환경에서의 정확한 위치 추정 및 지리 참조 기능을 제공한다.
슬라이딩 윈도우 기반 요인 그래프 최적화와 확률적 주변화를 통해 실시간 성능을 보장한다.
실험 결과, 제안 시스템은 TUM-VI, KITTI-360, 자체 수집 도심 데이터셋에서 우수한 위치 추정 및 매핑 성능을 보였다. 특히 GNSS와의 통합을 통해 데시미터 수준의 정확도를 달성하였다.
Stats
시각-관성 통합 시스템의 절대 위치 오차는 TUM-VI 실외 시퀀스에서 평균 4.18%로 우수한 성능을 보였다.
KITTI-360 데이터셋에서 제안 시스템의 상대 위치 오차는 0.556~1.486% 범위로 가장 좋은 단안 성능을 보였다.
자체 수집 도심 데이터셋에서 GNSS-통합 DBA-Fusion 시스템은 데시미터 수준의 정확도를 달성하였다.
Quotes
"딥 러닝 기반 VSLAM 프레임워크와 다중 센서 정보의 확률적 융합은 실용성 있는 대규모 응용을 위한 핵심 과제이다."
"제안 시스템은 반복적 광학 흐름과 DBA를 요인 그래프에 긴밀하게 통합하여 실시간 성능을 보장하고, IMU, GNSS, WSS 등 다양한 센서 정보를 융합함으로써 대규모 지리 참조 매핑을 달성한다."