VA-LOAM: 정확한 자율 내비게이션을 위한 비주얼 보조 LiDAR 오도메트리 및 맵핑

이 연구에서는 서로 상반된 특성을 지닌 비전 센서와 LiDAR 센서를 통합하여 오도메트리 성능을 향상시켰습니다. 비전 센서는 광범위한 환경 정보를 제공하지만 정확한 거리 측정에는 한계가 있는 반면, LiDAR는 거리 측정에서 높은 정확도를 제공하지만 상세한 환경 데이터는 부족합니다. 비전 센서의 데이터를 활용하여 이 연구는 LiDAR 센서의 불충분한 기술자를 보완하여 LiDAR 특징 일치 성능을 개선합니다. 이미지 특징에서 깊이를 추출하는 기존 융합 방법은 비전 센서에 크게 의존하며 비 오는 날씨, 어두운 환경, 빛 반사와 같은 도전적인 조건에서는 취약합니다. 이러한 조건에서 비전 센서를 기본 센서로 사용하면 상당한 맵핑 오류를 초래할 수 있으며, 최악의 경우 시스템 발산을 유발할 수 있습니다. 반면, 우리의 접근 방식은 LiDAR를 기본 센서로 사용하여 이전 방법의 단점을 완화하고 비전 센서가 LiDAR 기반 맵핑을 지원할 수 있도록 합니다. 이는 비전 센서가 손상된 환경에서도 LiDAR 오도메트리 성능을 유지함으로써 비전 센서의 지원으로 성능을 향상시킵니다. 우리는 최신 LiDAR SLAM 오픈 소스 프로젝트에서 다섯 가지 주요 알고리즘을 채택하고 KITTI 오도메트리 데이터셋에서 실험을 수행했습니다. 이 연구는 비전 지원 모듈을 상위 세 가지 LiDAR SLAM 방법에 통합하여 성능을 향상시키는 새로운 접근 방식을 제안합니다. VA-LOAM의 소스 코드를 공개함으로써, 이 작업은 기술의 접근성을 향상시키고 연구 커뮤니티 내에서 재현성과 투명성을 촉진합니다.