ORB-SLAM 대강

 

 ORB SLAM은 실시간으로 동작하고, 내부외부 작거나 넓은 공간 상관없이 사용가능한 특징 기반 SLAM 시스템으로, 심한 동작 버벅임에도 강인하여 넓은 공간에서의 루프 폐쇄와 재 위치 추정이 가능하고, 완전 자동화된 초기화도 수행한다.

 

 최근 몇년동안 좋은 알고리즘을 만들기 위해서 밑바닥에서 부터 SLAM의 모든 동작(추적, 지도작성, 재위치추정, 루프클로징)을 수행하는 새로운 시스템을 만들었습니다.

 

 올바른 점들을 선택하기 위한 방법과 키프레임 복원을 위한 노력 덕에 강인해졌으며, 소형화가 되었고 추적이 가능한 지도를 만들게 되었습니다.

 

 가장 유명한 데이터셋의 27시퀀스로 평가 결과를 정리했으며 ORB SLAM은 최신 단안 SLAM 방법들 중에서 전래없는 성능을 보이고 있습니다. 

 

 

 

 

ORB SLAM

- 내부, 외부 상관없이 실시간으로 사용가능한 특징기반 SLAM 알고리즘

- 동작 버벅임에도 강인. 넓은 공간에서 루프 폐쇄와 위치 추정 가능, 초기화도 자동화

 

 

 

 

 

 번들 조정 방법은 정밀한 카메라의 위치 추정치와 희소 기하 복원을 하는데 사용되고 있습니다.  오랜 시간 동안 이방법은 비주얼 슬램 같은 실시간 분야에서는 부적합하다고 생각되어 왔습니다.

 

 비주얼 슬램의 목표는 주위 환경을 복원하고 카메라의 궤적을 추정하는것인데,  이제 계산 비용 문제 없이 좋은 결과를 얻게 되었고, 실시간 슬램 알고리즘을 하려면 번들 조정시 다음 사항들을 따르면 됩니다.

 

 1) 선택된 키프레임 하부집합 사이에서 장면 특징 관측의 대응

 2) 키프레임의 수 증가와함께 복잡도가 커질때, 선택하여 불필요한 것들을 없에야 합니다.

 3) 키프레임과 점들의 강한 결합으로 좋은 결과를 얻었으며, 즉 키프레임들이 잘 흩어져있다고 할수 있겠습니다.

 4) 비선형 최적화를 위한 키프레임과 점 위치의 초기 추정치

 5) 지역 지도들은 확장성을 얻기 위해 최적화에 집중합니다.

 6) 빠르고 전역적인 최적화(자세 그래프)를 하기위해서 실시간으로 루프 클로져를 해야합니다.

 

=> 번들 조정을 실시간으로 하기위한 조건?

 

 

 관련 연구들을 살펴보면 

- 첫 번들 조정을 이용한 실시간 어플리케이션 -> 비주얼 오도메트리(Mouragon)

- 평행 추적 및 지도작성(PTAM) 등

 

 

 

PTAM Parallel Tracking and Mapping

- 작은 스케일의 연산으로 제한

- 키포인트 선택, 특징 매칭, 점 삼각화, 카메라 위치 추정, 위치 추적 실패후 재위치추정 등을 위한 효과적인 방법들 제공

- 단점 : 루프 클로징과 예외 상횡시 적절한 대응 부족, 재위치 추정시 관점의 저불변성(관점이 잘 바뀌지 않는다?), 맵 부트스트랩에 사람이 필요

 

 

 

ORB SLAM의 경우

- PTAM의 매인 아이디어인 장소 인식 부분을 참고, 스프클로징시 스케일 인지, 큰 스케일 연산시 공동 가시성 정보 등이 사용됨. 그 결과 단안 ORB SLAM은 다음을 따름

 

1. 모든 동작(추적, 지도작성, 재위치추적, 루프클로징) 에 같은 특징 사용

 -> 더 효율적이고, 단순하고, 신뢰성있어짐.

 - ORB 특징을 사용했는데, GPU 없이도 실시간으로 수행하기 위함이고, 관점과 조도 변화에서도 불변함

 

2. 넓은 공간에서도 실시간 연산이 가능함. 공동 가시성 그래프를 사용한 덕분에 추적과 지도작성이 지역적 공동 가시성 영역에 집중되어 전역 크기의 맵에는 독립적으로 됨

 

3. 자세 그래프 최적화 방법에 기반하여 실시간 루프 폐쇄가 수행됨. 이 시스템은 생성 트리로 만들어지고, 루프 클로저 링크와 강한 에지는 공동 가시성 그래프에서 만듬.

 

4. 지도를 재사용하거나 추적을 실패시에도 불변하게 실시간 카메라 재위치 추정이 가능

 

5. 평면과 비평면 공간의 지도를 만들도록 하는 모델 선택 기반으로 새로운 자동, 강인한 초기화 과정이 수행됨.

 

 

 이 방법이 단안 SLAM에 있어서 완전하고 신뢰할수있는 최선의 결과물이라 할수 있음.