포즈 전용 기하학 기반 칼만 필터를 이용한 점 선 시각 관성 오도메트리

초록

본 논문은 점과 선 특징을 모두 포즈 전용 기하학 표현으로 변환하여, 특징 좌표를 측정식에서 완전히 제거하고 즉시 업데이트가 가능한 칼만 필터 기반 VIO 시스템 POPL‑KF를 제안한다. 선 특징 품질 향상을 위한 그리드 기반 필터와 베이드렉셔널 옵티컬 플로우 일관성 검증을 도입했으며, 공개 데이터셋 및 실제 실험에서 기존 최첨단 필터 및 최적화 기반 방법들을 능가함을 입증한다.

상세 분석

POPL‑KF는 기존 MSCKF가 겪는 두 가지 근본적인 문제, 즉 특징 3차원 좌표를 상태에 포함시키면서 발생하는 선형화 오차와 특징이 사라진 뒤에 수행되는 지연 업데이트를 근본적으로 해소한다. 이를 위해 저자들은 먼저 점 특징에 적용된 포즈 전용 3‑뷰 기하학을 선 특징에 일반화하여, 선의 4자유도(Closest‑Point) 파라미터화를 포즈 전용 형태로 재구성한다. 이 과정에서 선의 세계 좌표와 카메라 포즈 사이의 관계를 선형화 없이 직접 해석적으로 표현함으로써, 측정 방정식에 특징 좌표가 전혀 등장하지 않게 만든다. 결과적으로 측정 잔차와 야코비안은 오직 선택된 베이스 프레임들의 포즈에만 의존하므로, 초기 선형화 점이 정확하지 않아도 큰 오차가 누적되지 않는다.

또한 저자들은 점과 선 모두에 적용 가능한 통합 베이스‑프레임 선택 알고리즘을 설계하였다. 이 알고리즘은 현재 관측된 특징이 충분히 제약을 제공할 수 있는 최소한의 과거 포즈 집합을 자동으로 선택하고, 선택된 포즈들 간의 기하학적 다양성을 최적화한다. 이렇게 하면 포즈 전용 측정식이 항상 충분히 관측 가능한 상태가 되며, 즉시 업데이트가 가능해진다.

선 특징의 품질을 높이기 위해 제안된 라인 필터는 이미지 평면을 격자(grid)로 분할하고, 각 격자 내에서 양방향 옵티컬 플로우 일관성을 검증한다. 이 절차는 잡음이나 모션 블러에 취약한 라인 매칭을 효과적으로 제거하고, 남은 라인만을 SLAM 파이프라인에 전달한다. 결과적으로 라인 트래킹 성공률이 크게 향상되어, 포즈 전용 선 측정식의 수학적 이점이 실제 시스템 성능으로 전이된다.

실험에서는 EuRoC와 KAIST 데이터셋을 포함한 다양한 환경에서 POPL‑KF를 OpenVINS, PO‑KF, PL‑VINS, EPLF‑VINS 등과 비교하였다. 정량적 결과는 평균 위치 오차와 회전 오차 모두에서 기존 필터 기반 방법보다 2035% 정도 개선되었으며, 최적화 기반 방법과도 경쟁 가능한 정확도를 보였다. 특히 저조도·고속 움직임·텍스처가 부족한 장면에서 선 특징을 활용함으로써 점 특징만을 사용하는 시스템이 크게 성능 저하되는 현상을 완화했다. 실시간 성능 역시 3040Hz의 프레임 레이트를 유지하며, 라인 검출·필터링 비용을 최소화한 설계 덕분에 모바일 플랫폼에서도 충분히 구동 가능함을 확인하였다.

전체적으로 POPL‑KF는 포즈 전용 기하학 표현을 점과 선 모두에 확장함으로써, 특징 좌표에 의존하는 전통적인 VIO 구조의 근본적인 한계를 뛰어넘는 새로운 설계 패러다임을 제시한다.