고도로 정확한 특징 기반 단안 SLAM에서 확률론적 반밀도 맵핑

최근 몇 년 동안 몇 가지 직접(즉, 특징 없는) 단안 SLAM 접근 방식이 등장하여 인상적인 반밀도 또는 밀도 장면 재구성을 보여주었습니다. 이러한 작업은 지난 10년 동안의 확립된 SLAM 기술들이 기반했던 특징의 필요성에 의문을 제기했습니다. 본 논문에서는 더 견고하고, 더 정확한 카메라 자세를 제공하며, 현재의 최첨단 기술과 비교하거나 더 나은 반밀도 재구성을 달성하는 혁신적인 특징 기반 단안 SLAM 시스템을 제시합니다. 우리의 반밀도 맵핑은 키프레임에서 작동하며, 로컬 번들 조정을 통해 최적화되어 넓은 기준선에서 정확한 삼각 측량을 가능하게 합니다. 대응 관계를 찾기 위한 우리의 혁신적인 방법, 측정 융합 및 키프레임 간 깊이 일관성 테스트는 아주 적은 이상값으로 깨끗한 재구성을 얻는 것을 가능하게 합니다. 현재의 직접 SLAM 경향에 반하여, 우리의 실험은 반밀도 재구성을 경로 계산과 분리함으로써 얻은 결과가 더 나은 것을 보여줍니다. 이는 반밀도 재구성이 원하는 경우에도 특징의 이점에 대한 논의를 열어줍니다.