Tech Knowledge Note

1. 서론지난 글에서는 ORB-SLAM의 키프레임 관리와 루프 클로징 원리를 살펴보았습니다.이제는 ORB-SLAM이 실제로 어떻게 작동하는지, 어떤 성능을 보이는지 직접 분석해보는 단계입니다.이번 글에서는 실제 실행 결과를 분석하여 SLAM의 정확도, 안정성, 지도 작성 품질을 평가하고, 이를 통해 ORB-SLAM의 장단점을 구체적으로 이해해보겠습니다.2. 실험 환경실험은 Ubuntu 20.04 환경의 ROS Noetic 기반에서 진행하였으며, Intel RealSense D435 카메라를 사용했습니다.하드웨어: i7 CPU, 16GB RAM, NVIDIA GPU센서: RGB-D 카메라 (RealSense D435)데이터셋: TUM RGB-D Dataset (freiburg1_xyz, fr2_desk 등..

1. 서론이전 글에서는 카메라 데이터를 입력으로 ORB-SLAM을 실행하는 과정을 다뤘습니다.이번 글에서는 ORB-SLAM의 정확도와 안정성을 유지하는 핵심 요소인 키프레임 관리와 루프 클로징에 대해 알아보겠습니다.이 두 과정은 ORB-SLAM이 단순한 비전 SLAM을 넘어, 실제 자율주행과 로봇 응용에서 신뢰할 수 있는 성능을 내도록 하는 중요한 기술입니다.2. 키프레임 관리(Keyframe Management)란?키프레임은 SLAM에서 “지도의 기준이 되는 카메라 프레임”입니다.모든 프레임을 지도에 반영하면 계산량이 너무 많아지기 때문에, SLAM은 중요한 순간(특징점이 충분히 관측된 시점)만 키프레임으로 저장합니다.(1) 키프레임의 역할지도 작성의 기준 좌표계 역할이후 들어오는 프레임과의 매칭에 활..

1. 서론이전 글에서는 ORB-SLAM을 설치하고 ROS와 연동하는 방법을 다뤘습니다.이번 글에서는 한 단계 더 나아가, 실제 카메라 데이터를 입력으로 ORB-SLAM을 실행하는 방법을 살펴보겠습니다.카메라 데이터는 SLAM의 핵심 입력으로, ORB-SLAM은 이를 통해 특징점을 추출하고, 로봇 혹은 차량의 경로와 환경 지도를 동시에 생성합니다.2. 카메라 데이터의 종류ORB-SLAM은 다양한 형태의 카메라 데이터를 지원합니다.Mono (단일 카메라): 일반 웹캠, USB 카메라 등 → 설치와 구성이 간단하지만 깊이 정보가 없음Stereo (스테레오 카메라): 두 개의 카메라로 거리(깊이) 계산 가능 → 안정적인 SLAMRGB-D 카메라: RGB 영상 + 깊이 센서 (예: Intel RealSense, ..

1. 서론이전 글에서 ORB 알고리즘의 특징점 추출 원리를 살펴봤습니다.이번 글에서는 실제로 ORB-SLAM을 설치하고, ROS(Robot Operating System)와 연동하는 방법을 다뤄보겠습니다.ORB-SLAM은 비전 기반 SLAM의 대표적인 알고리즘으로, ROS와 결합하면 자율주행, 드론, 로봇 연구 등 다양한 실험 환경에서 강력한 도구가 됩니다.2. ORB-SLAM 설치 준비(1) 환경 설정운영체제: Ubuntu 20.04 (또는 18.04)ROS 버전: ROS Noetic (Ubuntu 20.04), ROS Melodic (Ubuntu 18.04)필요 패키지: OpenCV, Pangolin, Eigen3, C++11 이상(2) 필수 패키지 설치 명령어bash sudo apt update s..

1. 서론자율주행과 로봇 비전에서 중요한 기술 중 하나가 바로 특징점 추출(Feature Extraction)입니다.특징점이란 이미지 속에서 위치와 방향을 잘 구별할 수 있는 점(코너, 모서리 등)을 의미하며, 이를 기반으로 로봇은 주변 환경을 인식하고 위치를 추정합니다.이번 글에서는 대표적인 특징점 추출 알고리즘인 ORB(Oriented FAST and Rotated BRIEF)의 원리를 살펴보겠습니다. ORB는 빠르면서도 강력한 성능을 보여주기 때문에, SLAM 시스템(특히 ORB-SLAM)의 핵심 알고리즘으로 널리 활용됩니다.2. ORB 알고리즘이란?ORB는 이름에서도 알 수 있듯, 두 가지 기법을 결합하여 만들어졌습니다.FAST (Features from Accelerated Segment Tes..