VisualSLAM 의 Frontend 성능 개선에 대한 연구

23001 강민재 , 23100 정우진 , 23117 하영균

 목차
•
1. 연구 동기와 목적
•
2. 연구 방법
•
3. 배경 이론
•
4. Visual Slam 구동
•
5. Kitti Sequence 추가 데이터셋 구동
•
6. 향후 연구
 1. 연구 동기와 목적

로봇청소기는 지정된 집의

구조를 기억하고 이를 청소
•
센서를 사용해 실시간으로
•
구조를 파악하는

SLAM 기술을 사용
•
Visual Slam 에 대해 탐구
 1. 연구 동기와 목적
VisualSLAM 의 Odometry 오차 개선

🡪 Frontend 부분의 센서 정보 처리 과정의 오차를 추가적인

데이터로 보정해 성능을 개선하는 방안을 찾는 것을
목적으로 한다 .
 2. 연구 방법
현재 연구 진행 상황

추가 Dataset
Visual Slam 구동
배경이론 연구 (Github)
대입 문제점 분석 SLAM 성능개선
(KittiSequence)
 3-1. 배경이론 — SLAM 이란 무엇인가 ?
•
SLAM(Simultaneous Localization And Mapping)
 3-1. 배경이론 — SLAM 이란 무엇인가 ?
Time T 마다 이 과정을 거쳐 본인의 위치와 주변의 위치관계를 산출한다 .

x : 로봇 및 다른 물체의 위치를 의미하는 vector

z : 로봇의 센서로부터 얻어지는 데이터
u : 센서의 움직임을 제어하는 입력
v, w: 노이즈
y: 랜드마크 점
 3-2. 배경이론 — SLAM 의 종류
센서 종류 , 연산 방법에 따른 종류

•
EKF(Extended Kalman Filter) SLAM
•
GraphSLAM
•
FastSLAM
•
VisualSLAM
3-3. 배경이론 — VisualSlam 구동 방식

센서 인식

복귀 시 보정
3-4. 배경이론 — VisualSlam 이미지 처리 원리
1. 이미지 특징점 잡기 (ORB)

ORB = FAST 알고리즘 + BRIEF 알고리즘

● FAST(Features from Accelerated Segment Test) 알고리즘

이미지의 특징점을 분석하는 알고리즘

해당 픽셀과 주변 픽셀의 밝기 차이를 비교

● BRIEF(Binary Robust Independent Elementary Features) 알고리즘

서로 다른 이미지의 특징점을 연결 ( 기술자 )

*( 기술자 ): 서로 다른 이미지에서 특징점들이 어떤 연관성을 가졌는지를 구분하는 역할

3-4. 배경이론 — VisualSlam 이미지 처리 원리
2. 거리 분석 ( 양안 카메라 모델 )

거리 측정 후 이미지에서의 이동 거리로 실제 물체의 이동거리 측정 가능

4. Visual Slam 구동 - Dataset

GitHub 코드 안의 데이터 사용
 4. Visual Slam 구동 - 출력
Error( 오차값의 크
실제 예측 경로
기)

GT: 실제 이동경로 frame( 각각의 사진 )

Pred: Visual Slam 이 예측한 경로
Error: GT 와 Pred 의 차이값 ( 오
차)
4. Visual Slam 구동 - 결과 분석

•
Path Finding 에 약간의 오차
•
오차 누적의 문제
5. Kitti Sequence 추가 데이터셋 구동 - Dataset

실제로는 4541 개의 데이터 사진이 존재한다 .

5. KittiSequence 추가 데이터셋 구동 - 출력
5. KittiSequence 추가 데이터셋 구동 - 출력

● GT, Pred 간 매우 큰 오차 발생
● Loop closure 과 같은 Backend 처리 X
 6. 향후 연구
•
직접 Dataset 을 제작해 구동 : 경기과학고등학교의 도로 사진
+ 속도 센서와 가속도 센서 정보 수집 🡪 센서 장착 RC 카 주행
•
VisualSLAM 의 한계점을 보완
•
오차가 많이 발생하는 부분을 물리 센서를 사용해서 보완

•
추정된 경로에서 예상되는 속도 / 가속도 데이터와 측정된 데이터를
비교 후 그 차이를 연산에 적용시켜 오차를 보정