EKF 기반의 구조 추정을 위한 1점 RANSAC

최근, 고전적인 쌍방향 구조 추정(SfM) 기술이 비선형 전역 최적화(번들 조정, BA)와 결합되어 슬라이딩 윈도우를 통해 긴 이미지 시퀀스에서 카메라 위치와 특징 위치 추정을 재귀적으로 제공하고 있습니다. 일반적으로 비주얼 오도메트리라고 불리는 이러한 알고리즘은 현재 수백 미터의 경로를 인상적으로 정확하게 추정할 수 있습니다. 단지 이미지 시퀀스(보통 스테레오)를 유일한 입력으로 사용하거나 관성 센서나 휠 오도메트리에서 시각적 및 고유 감각 정보를 결합하는 방식입니다. 이 논문의 목적은 두 가지입니다. 첫째, 필터링 기반 비주얼 SLAM 방법으로 유사한 정확도와 경로 길이를 처음으로 어떻게 이룰 수 있는지를 설명하는 것입니다. 특히, 여기에 카메라 중심의 확장 칼만 필터가 사용되어 단안 시퀀스를 유일한 입력으로 처리하며 6DOF 운동을 추정합니다. 카메라가 앞으로 탐색할 때 보이는 특징들은 필터에서 활성으로 유지되며, 시야에서 벗어나는 즉시 상태에서 삭제됩니다. 이는 프레임당 추적되는 특징의 수를 수십 개에서 약 100개로 증가시킬 수 있게 해줍니다. 추정의 정확성을 개선하는 동시에, 표준 JCBB가 일치 외란 제거를 위해 수행하는 포괄적인 분기 및 경계 검색을 계산상 불가능하게 만듭니다. 이 문제를 극복하기 위한 두 번째 기여로, 우리는 여기에 필터의 확률적 예측을 활용하는 RANSAC 유사 알고리즘을 제시합니다. 사전 정보를 활용함으로써 가설을 세우기 위한 최소 데이터 하위 집합의 크기를 최소 1점으로 줄이는 것이 가능해져 외란 제거 단계의 효율성을 크게 증가시킵니다. 수백 미터에 걸친 실제 이미지 시퀀스의 실험 결과가 발표되며 RTK GPS 기준과 비교됩니다. 추정 오류는 650미터까지의 경로에서 경로의 약 1%입니다.