---

[14주차]

TIL

SLAM 개요

• SLAM 이란?

• SLAM이 왜 필요한가?

• SLAM에서 어떤 센서를 사용하는가?

• 어떤 SLAM을 공부할 것인가?

좌표계

• 3D 회전을 표현하는 방법

• 동차좌표계

Camera Projection

• Camera Calibration

Feature Extraction

• 이미지 matching을 위한 특징점 추출

Epipolar geometry

• 2D -> 3D mapping을 위한 수학적 기법 (에피폴라 or 2-시점 기하학)

RANSAC

---

14주차 skill set

1) SLAM을 배우는 이유
2) SLAM, Localization, Mapping의 차이를 설명할 수 있다.
3) 3D 공간 속 움직임을 표현할 수 있다.
4) Camera projection을 설명할 수 있다.
5) 이미지 매칭을 위한 local feature 추출 방법론을 이해한다.
6) 2D->3D 매핑을 위한 수학적 기법을 이해한다.
7)

---

---

학습내용

[1] SLAM 개요

1. SLAM 이란?

• Simultaneous Localization and Mapping

Simultaneous 동시적
Localization 위치추정
and
Mapping 지도작성

2. SLAM이 왜 필요한가?

3. SLAM 센서

• Proprioceptive Sensor
  : IMU / Wheel Encoder 등

• Extroceptive Sensor
  : GNSS / Radar / LiDAR / Ultrasound / Camera / Microphone 등

4. Visual SLAM (VSLAM)

이번 교육에서 공부할 SLAM은,
Camera 센서로부터의 이미지(visual 정보)를 이용하는 Visual SLAM (VSLAM)이다.

• VSLAM 종류

  • 1) Monocular camera

    • 1대의 카메라에서만 이미지를 받음
    • 저렴하고 전력 소비량이 낮음
    • Scale ambiguity (3D 공간을 실제 스케일로 추정 불가)

  • 2) Stereo camera / Multi camera

    • 2대 / N대의 카메라 사용
    • 인접한 카메라들간의 baseline 거리 이용, 삼각측량으로 거리/깊이 추정
    • 카메라 설정 및 캘리브레이션 어려움
    • 계산량이 많음
      

  • 3) RGB-D camera (Depth camera)

    • Structured light(구조광), Time-of-Flight(ToF) 센서를 이용한 카메라 사용
      (구조광: 빛의 왜곡 분석으로 물체의 표면형태를 복원 / ToF: 빛의 시간차로 거리 측정)
    • Depth를 알 수 있어 3D 공간을 metric scale로 실시간 복원 가능
    • depth 정보가 10m 이내에서만 신뢰할 수 있음
    • Field of view가 작음
    • 실외에서 사용 불가 (적외선 파장이 햇빛과 간섭)

---

[2] 좌표계

1. 3D 회전을 표현하는 방법

2. 동차좌표계 (Homogeneous coordinate)

---

[3] Camera Projection

[4] Feature Extraction

[5] Epipolar Geometry

[6] RANSAC

---

<출처>
(1) Programmers K-Digital-Training: 자율주행 데브코스 Planning & Control, SLAM
(2) ALIDA 님 tistory 블로그 https://alida.tistory.com/9
(3) SLAM의 이해와 구현-배포용.pdf (신동원, 장형기)
(4) https://jebae.github.io/rodrigues-rotation