Camera SLAM 기반 정밀지도 생성 방법론
1.
MMS 차량
•
도로의 실제 모습을 디지털 지도로 제작
2.
MAC 기술
•
인공지능 기반 이미지 처리 기술로 다양한 객체 분류, 추출
3.
레드박스 솔루션
•
시시각각 변하는 도로 상황을 신속히 지도에 반영
Q) Camera 기반 SLAM을 통해 정밀지도를 만드는 방법론의 원리는?
학습 내용)
1.
SLAM의 개념과 2개의 센서 기반 SLAM 비교 분석
2.
Feature-based 방식과 Direct method 방식
keyword 1)
Camera SLAM 기반 정밀지도 생성 개념
→ SLAM 개념 이해 및 Camera 기반 SLAM 개념 파악
keyword 2)
센서별 SLAM 비교 고찰
→ LiDAR 기반 SLAM과 Camera 기반 SLAM 비교 고찰을 통한 원리 이해
keyword 3)
Camera SLAM 방법론 심화
→ Feature-based 방식과 Direct 방식 비교를 통한 방법론 이해
SLAM의 개념과 2개의 센서 기반 SLAM 비교 분석
SLAM 알고리즘 개념?
→ 미지의 영역에 대해 탐색하여 정밀한 지도 제작이 가능
라이다 기반 정밀지도
1.
라이다 scan 데이터 취합
2.
Point Cloud 정보 생성
3.
정밀지도 생성
카메라 기반 정밀지도
1.
영상의 Feature 또는 Pixel 추출
2.
정밀지도 생성
→ SLAM 전반부 알고리즘은 센서에 따라 차이 존재
라이다, 카메라 기반 공통점
1.
센서 데이터와 Odometry 정보 융합
2.
SLAM 알고리즘 입력
3.
최적화 과정
4.
정밀지도 제작
SLAM을 위한 데이터 수집
1.
차량 센서 및 위치 정보 동기화 확보
2.
최적화 과정 진행
3.
정확한 3D Reconstruction 달성
Feature-based 방식과 Direct method 방식
→ SLAM 전반부 영상의 정보 사용에 따라 두 방식으로 나뉜다
Feature-based 방식
•
ORB-SLAM 알고리즘
•
SLAM에 활용하기 위한 영상의 Feature 추출 사용 방식
단점
•
Feature 추출 후, Matching 과정 시 번거로움
장점
•
의미 있는 Feature Point 선별로 불필요한 데이터 사용이 필요 없음
Direct method SLAM
•
LSD-SLAM 알고리즘
•
입력 영상이 들어올 경우, 별도의 Feature 추출 기반 Matching 과정이 없음
•
입력 영상의 특징적 영역을 Filtering을 통해 구분하여 Pixel 정보 활용
•
Semi-dense 방식이라고도 불린다
장점
•
별도의 Feature 추출 기반 Matching 과정이 없음
•
간단한 특징 영역을 위한 Filtering 진행 및 Pixel 정보 사용
ORB-SLAM의 알고리즘 구조도?
•
Multi-Thread 방식
