• https://jeonhyeongjunkw.github.io/slam/2022/08/05/DBoW2_2.html#google_vignette
  • 2 page 부터 다시 보기

0. DBoW2?

• DBoW는 이미지 기반의 장소인식을 위해서
• 장소 이미지를 Bag of word vector의 형태로 변화시키는 라이브러리
• Bag of word vector는 장소 이미지 사이에 유사성을 비교하기 위해서,
  • 각 이미지의 vector사이에 거리(유사도)를 비교

1. Introdution

• Visual SLAM에서 이전에 관측된 장소를 다시 인식할 경우에,
  • loop closing은 일관성있는 지도를 생성하기 위하여 보정역할을 하는 `장소간 데이터 연관성₩을 제공
  • 이러한 loop detection은 loop closing뿐만 아니라 로봇이 tracking lost가 발생하였을 때,
  • 다시 지도상에서 현재위치를 추정하기(relocalization)위해서 사용
• 규모가 작은 환경에서 SLAM을 할 때는
  • 고려할 맵 포인트(map point)등의 수가 적기 때문에,
    • map point: 특정점 같은걸 지도에 반영한 것
  • 지도와 현재 장소의 이미지를 비교해도 되지만(map to image),
• 규모가 큰 환경에서는
  • 지도내에 map point보다는
  • 기존의 장소이미지들과 현재 장소의 이미지를 비교하는 것(image to image)이 좀더 효율적
  • 알고리즘 예시에는 FAB-MAP(fast apperance-based mapping)
    • 이 알고리즘은 로봇이 이동하며 촬영한 장소 이미지를 데이터베이스 안에 저장해두고,
    • 새로운 이미지가 들어왔을 때 데이터베이스의 이미지와 비교하는 방식으로 구성

• 논문에서는 단일카메라로, 아래 목적을 위한 알고리즘을 제안
  • 실시간으로 loop detection과
  • 이미지들 사이의 특징점을 비교
• 제안 방법은 bag of words 표현과 perceptual aliasing(다른 장소이지만, 같은 장소처럼 보이는 현상) 문제를 해결
• 실시간성을 가진 기하학적 검증(geometry check) 방법을 가짐
  • 이 실시간성은 ORB 키포인트를 사용하여 해결
  • ORB 키포인트는 아래 2가지의 절충안
    • planar camera motion에서 키포인트 간에 좋은 구분 능력
    • 빠른 계산 시간

• 처음으로 이진화된 형태의 bag of words (e.g. word의 벡터 : 0101010..)를 사용
• 새롭게 제안된 direct index와 기존의 inverse index를 사용
• inverse index (기존)
  • 주어진 이미지와 비슷한 이미지 후보들을 빠르게 찾기위해서 사용
  • (논문 제안) 데이터 베이스의 장소 이미지와 유사한 이미지를 찾을 때,
    • 같은 장소에서 수집된 이미지들 사이에서 경쟁하는 것을 막음
    • 같은 장소의 이미지들을 하나의 장소로 군집화 함으로써 해결
• direct index (논문 추가 제안)
  • 효율적으로 대응된 이미지 사이에 특징점들의 대응관계를 빠르게 찾기위해서 사용
  • 여기서 대응관계를 빠르게 찾는 것은 기하학적 검증(geometry check)의 속도를 올리기 위해서 중요
  • 하나의 루프가 닫혔는지(loop closure가 발생했는지)를 결정하기 위해서,
    • 대응된 이미지들의 temporal consistency를 확인