이 논문은 RGB-D 카메라를 사용하는 새로운 특징 기반 시각 동시적 위치 추정 및 지도 작성(visual simultaneous localization and mapping, v-SLAM)인 유한 평면(finite-plane, FP)-SLAM을 소개한다. 구체적으로, 본 논문에서 해결하고자 하는 문제는 RGB-D 영상으로부터 희소 특징을 효과적으로 추출하고, CPU에서 실시간으로 자세와 희소 특징으로 구성된 그래프를 가능한 한 정확하게 구축하는 것이다. 표면점(surfel)-점 SLAM(surfel-point SLAM, SP-SLAM)에 의해 동기부여된 FP-SLAM은 RGB-D 영상에서 점과 서펠을 희소 특징으로 추출하고 자세와 특징 그래프를 함께 최적화한다. 그러나 SP-SLAM에 비해 FP-SLAM의 그래프 최적화를 위해 정확도를 향상시키는 두 가지 새로운 잔차(residuals)를 제안한다. 이러한 새로운 잔차는 서펠-서펠(surfel-surfel, SS) 및 점-서펠(point-surfel, PS) 간의 관계를 활용하여 특징 간의 연관성을 포착한다. SP-SLAM에서의 잔차와 함께 이 새로운 잔차들을 통합함으로써, 점, 서펠 및 카메라 자세를 동시에 최적화하기 위해 총 네 가지 잔차가 사용된다. 또한 처리 속도를 높이기 위해, 최적화 과정에서 오프더셸프(기성) 미분 모듈을 사용하는 대신 오차 함수의 자코비안(Jacobian)을 직접 구현하여 처리 시간을 단축한다. 마지막으로, 제안된 FP-SLAM의 유효성은 국소화 정확도 측면에서 기존 방법들과 비교하여 벤치마크 데이터셋에서 검증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.