드리프트 완화 시각 오도메트리와 신뢰도 기반 LiDAR depth completion

Drift-Reduced Visual Odometry and Confidence-Guided LiDAR Depth Completion

연구 내용

모노큘러 시각 오도메트리에서 누적 드리프트를 완화하는 학습 기반 오차 완화와, 신뢰도 맵으로 의사-라이다 품질을 제어하는 LiDAR depth completion을 결합하는 연구

본 연구는 모노큘러 입력으로 프레임 간 상대 자세를 예측할 때 발생하는 누적 드리프트 문제를 학습 구조로 완화하는 데 초점을 둡니다. 초기 추정 단계에서 주의(attention) 및 회전·이동 네트워크를 통해 인접 프레임의 상대 자세를 산출하고, 후속 오차 완화 단계의 손실 설계로 로컬 드리프트를 줄여 동적 주행 장면에서의 일관성을 높입니다. 또한 희소 LiDAR로부터 조밀 깊이 지도를 재구성할 때 경계 주변의 오류 포인트가 다운스트림 인식 성능을 저해하는 문제를 신뢰도 맵으로 제어합니다. 신뢰도 맵을 이용해 의사-라이다 back-projection을 선택적으로 수행하고, 장거리 희소성에 대한 보정까지 학습하는 방식으로 3D 검출 성능을 강화합니다.

관련 프로젝트

0건

연구 흐름

초기에는 모노큘러 프레임-대-프레임 시각 오도메트리에서 누적 드리프트가 성능을 제한한다는 점을 전제로, 자세 예측 파이프라인을 두 단계로 분해해 오차 완화 메커니즘을 구축했습니다. 이후 동적 구동 장면에서 일관성을 높이기 위한 손실 함수 설계와 시퀀스 데이터 처리 전략을 추가하여 안정적인 추정에 집중했습니다. 병행하여 희소 LiDAR depth completion에서는 2D 복원 결과가 3D 공간에서 오류를 만들 수 있다는 문제를 신뢰도 맵 기반 의사-라이다 생성으로 해결하는 방향으로 확장했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

모노큘러 시각 오도메트리 추정
로컬 드리프트 완화 기법
동적 주행 일관성 향상
신뢰도 맵 기반 pseudo-LiDAR 생성
장거리 희소 LiDAR 보정
원거리 3D 객체 검출
자율주행/로봇 SLAM 전처리
희소 센서 품질 적응형 깊이 추정
3D AP 중심 성능 개선
센서 융합 기반 실시간 인식 모듈