Visual-SLAM 적용 장점
- 주변환경을 넘어서 더 넓은 공간을 볼 수 있다.
- 차 위치를 정확하게 할 수 있다.
Computer Vision의 발전과 Visual-SLAM
Computer Vision의 발전
- 2D image recognition
- classification : 분류
- detection : 객체 검출, 위치
- segmetation : 픽셀이 어떤 객체를 의미하는지
- Video recognition / tracking
- 이미지 프레임마다 이미지 인식을 사용 -> 이미지와 동영상이 같다
- 특정 프레임 주변을 인식하여 다음 프레임에서 객체를 정확하고 빠르게 인식가능
- tracking
- 3D shape esimation from 2D image
- 소실된 깊이 정보를 복원
- 딥러닝을 활용하여 2차원 이미지 하나로 3차원 이미지를 구축하고자 한다
자율주행을 위한 perception
- lane detection : 크루즈 기능의 필수
- object detection : 주변 상황 인지
- segmetation : 주행 가능 공간 확인을 위해
- object tracking & motion prediction : 움직이는 객체와 움직이지 않는 객체를 파악하고 움직이는 객체가 어떻게 움직일지 예측
- 3D object detection & pose estimation : 객체의 방향성까지 파악, 나와 객체와의 거리, 객체의 크기를 구할 수 있다.
visual slam
- 여러 이미지를 통해 3d 공간의 생김새를 유추하고 나의 이동경로를 유추하는 기술
- 공간, 위치, 상태를 이해
- 딥러닝이 아직 뛰어넘지 못한 분야
- 공간을 기억하여 지도를 만들 수 있기 때문에 주행 가능 여부, 경로 예측을 지도를 통해 할 수 있다.
- 주변 정보, 위치 정보를 동시에 추론하게 되어 상호보완적으로 더욱 정확하게 추론할 수 있다
