이벤트 카메라 실시간 회전 오도메트리와 파노라마 매핑: EROAM

초록

EROAM은 이벤트 카메라의 회전 운동을 실시간으로 추정하기 위해 이벤트를 단위 구에 투사하는 연속적인 구면 표현을 도입하고, 이를 기반으로 ES‑ICP(Event Spherical Iterative Closest Point) 알고리즘을 설계하였다. 증분형 k‑d 트리와 지역 밀도 제어를 활용한 효율적인 지도 관리와 병렬 점‑선 최적화를 결합해 높은 정확도와 낮은 연산량을 동시에 달성한다. 실험 결과, 합성·실제 데이터 모두에서 기존 EGM·CM 기반 방법들을 크게 앞서는 성능을 보이며, 고속 회전 및 장시간 시퀀스에서도 드리프트가 최소화된다.

상세 분석

EROAM의 핵심 혁신은 ‘구면 이벤트 표현’과 ‘ES‑ICP’라는 두 축으로 요약할 수 있다. 기존 이벤트 기반 회전 추정 방법은 대부분 이벤트 발생 모델(EGM)이나 대비 최대화(CM) 프레임워크에 의존한다. EGM은 대비 임계값과 센서 노이즈를 정밀히 모델링해야 하는 복잡성을 가지고 있으며, CM은 이벤트를 시간 창에 워핑해 대비를 최대화하는 방식으로, 높은 회전 속도에서 윈도우 선택과 지역 최적화의 한계가 있다. 두 접근법 모두 픽셀 기반 이산 표현을 사용하기 때문에 양자화 오류와 메모리·연산 부담이 크게 증가한다.

EROAM은 이벤트를 (u, v) 좌표에서 단위 구면상의 3차원 좌표(p_s) 로 직접 매핑한다. 이때 카메라 내부 파라미터와 왜곡을 보정한 뒤 정규화 평면에 투사하고, 다시 구면에 투사함으로써 연속적인 R³ 공간에 이벤트를 배치한다. 구면 좌표는 회전 변환 R∈SO(3) 과 직접적인 선형 관계를 가지므로, 회전 추정 문제를 ‘점‑선 거리 최소화’ 형태의 ICP로 변환할 수 있다. ES‑ICP는 각 이벤트를 구면상의 최근접 선(line)과 연결하고, 점‑선 거리의 제곱합을 최소화하는 비선형 최적화를 수행한다. 여기서 Jacobian과 근사 Hessian을 이용해 가우시안-뉴턴 방식으로 업데이트하고, 소량의 회전 차이만 존재하는 고주파 프레임(≈1000 Hz) 사이에서는 초기값이 충분히 정확해 로컬 최소에 빠질 위험이 낮다.

지도 관리 측면에서는 증분형 k‑d 트리를 사용해 이벤트 포인트를 동적으로 삽입·삭제한다. 지역 밀도 제어는 특정 구면 영역에 이벤트가 과도하게 축적되는 것을 방지해 트리 깊이와 검색 비용을 일정하게 유지한다. 키프레임 선택은 회전 각도 θ_t 를 초과할 때만 수행되므로, 불필요한 지도 업데이트를 최소화한다. 또한, 매핑과 트래킹이 동일한 연속 구면 지도 위에서 이루어지기 때문에 파노라마 이미지 생성 시 별도의 재샘플링 없이 원하는 해상도로 바로 투사할 수 있다.

실험에서는 합성 데이터에서 평균 회전 오차가 기존 CM‑GAE·CMax‑SLAM 대비 30 % 이상 감소했으며, 실제 고속 회전 시퀀스(>500 °/s)에서도 0.5 ° 이하의 RMS 오류를 기록했다. 연산 측면에서는 GPU 없이도 1 kHz 이상의 처리 속도를 유지했으며, 메모리 사용량은 키프레임 기반 지도 방식에 비해 40 % 정도 절감되었다. 특히, 장시간(수십분) 시퀀스에서도 지도 크기가 선형적으로 증가하지 않아 실시간 SLAM 시스템으로서의 확장성이 검증되었다.

요약하면, EROAM은 이벤트 카메라 회전 추정에 있어 ‘연속 구면 표현 + 기하학적 ICP’라는 새로운 패러다임을 제시함으로써, 기존 모델 기반·대비 기반 접근법의 근본적인 한계를 극복하고, 정확도·속도·메모리 효율성을 동시에 만족하는 실시간 시스템을 구현하였다.