본문 바로가기

전체 글

[SLAM] ROVIO 논문 및 코드 리뷰 (+ IEKF) 1. Introduction to ROVIO ROVIO는 RObust Visual Inertial Odometry의 약자로 ETHZ의 ASL 연구실의 Bloesch et al.이 제안한 VIO 알고리즘이다. IROS 학회에 2015년에 처음 발표되었으며 이후 IJRR에 2017년 자세한 설명을 포함한 저널이 게재되었다. ROVIO는 MSCKF와 더불어 대표적인 필터링 기반 Tightly-coupled VIO이다. MSCKF와 가장 큰 차이점은 밝기 오차(photometric error)를 IEKF의 Update 과정에 사용한다는 점이다. 이를 통해 실시간 성능의 가벼우면서도 모션블러 및 텍스쳐가 적은 환경에 강인한 알고리즘을 제안하였다. 1.1. Loosely-coupled VIO vs Tightly-c.. 더보기
Autohotkey - 윈도우를 내 마음대로 컨트롤할 수 있는 매크로 프로그램 Introduction Autohotkey는 윈도우에서 필요한 기능을 복잡한 Visual C++을 통해 구현하지 않아도 비교적 빠르고 쉽게 구현할 수 있는 매크로 프로그램이다. Autohotkey 전용 프로그래밍 언어를 지원하는데 이를 통해 윈도우 내부의 다양한 함수들을 조작할 수 있고 생각할 수 있는 거의 모든 기능들을 간단하게 구현할 수 있다. 필자는 윈도우 11에서 사용하고 있으며 윈도우 10에서도 정상적으로 작동하는 것을 확인하였다. 필자가 현재(24.01) 사용하고 있는 Autohotkey 버전은 1.1 버전이다. Autohotkey 2.x 버전은 전용 에디터인 Scite4Autohotkey를 사용하기 어렵기 때문에 1.x 버전을 사용하고 있다. Autohotkey 프로그램은 구글링을 통해서 설.. 더보기
GPTs - alida assistant ChatGPT에서 alida 블로그 관련하여 궁금한 내용을 물어보면 질문에 답해주는 GTPs를 만들었습니다. 포스팅의 내용이 너무 길고 어느 곳에 원하는 정보가 있는지 알기 어려울 때 사용하시면 좋을 것 같네요. 또한 블로그를 보면서 궁금한 점이 있으면 alida assistant에 물어보면 도움을 얻으실 수 있을 것 같습니다 :-) https://chat.openai.com/g/g-irky3iafE-alida-assistant 더보기
확률 이론(Probability Theory) 개념 정리 Part 1 - Probability, Random Variable, Distribution 본 포스트는 필자가 확률 이론을 공부하면서 정리한 내용이다.랜덤 프로세스(Random Process), 가우시안 프로세스(Gaussian Process)에 대해 알고 싶으면 확률 이론(Probability Theory) 개념 정리 Part 2 포스팅을 참조하면 된다.선형대수학에 대해 알고 싶으면 선형대수학 (Linear Algebra) 개념 정리 Part1, 선형대수학 (Linear Algebra) 개념 정리 Part2 포스트를 참조하면 된다. Kalman filter (KF, EKF, ESKF)에 대해 알고 싶으면 칼만 필터(Kalman Filter) 개념 정리  포스트를 참조하면 된다.Particle filter에 대해 알고 싶으면 파티클 필터(Particle Filter) 개념 정리 포스트을 참조하.. 더보기
[SLAM] Hand-eye Calibration 개념 정리 (+ Trajectory Evaluation) 본 포스트는 공부용으로 작성되었습니다. 틀린 부분이나 수정해야 할 부분이 있다면 말씀해주시면 확인 후 반영하겠습니다. 본 포스트에서는 Visual SLAM의 성능 평가를 위하여 ground truth (GT) 데이터를 취득한 후 주로 수행하는 Hand-eye calibration에 대해 설명한다. Introduction Visual SLAM의 성능을 평가하기 위해서는 다양한 방법들이 존재하지만 실내에서는 주로 모션 캡쳐 시스템을 활용하여 ground truth (GT) 데이터를 취득한 후 성능을 평가한다. 모션 캡쳐 시스템은 일반적으로 카메라에 IR 반사 마커를 부착하여 GT 좌표계 $\{A\}$를 만든 후 실내에 고정된 여러 대의 카메라가 반사 마커를 추적하면서 GT trajectory를 만든다. 이 .. 더보기
[Curated] SLAM 유튜브 채널 Youtube(ALIDA)  1. [코드 리뷰] G2O Examples [코드 리뷰] G2O Examples  www.youtube.com 2. [코드 리뷰] Visual SLAM Book [코드 리뷰] Visual SLAM Book www.youtube.com 3. ROS 개념 및 다양한 명령어 설명 4. 리군 이론(Lie Theory) 개념 정리 (SO3, SE3)  5. 다중관점기하학(Multiple View Geometry) 개념 정리 더보기
[Curated] SLAM 입문자를 위한 로드맵 가이드 본 포스트에서는 SLAM을 처음 접하거나 아직 익숙해지지 않은 분들에게 필요한 선수 지식, 공부 자료들에 대해 설명한다. 필자는 2019년에 SLAM에 대해 처음 접하고 석사 연구 주제로 선정하였으며 그 때 많이 도움을 받은 자료 위주로 설명할 예정이다. 이후 더 좋은 자료가 있으면 업데이트할 예정이다. (last updated: 23.11.22) 1. Korean community SLAM을 공부하면서 커뮤니티의 도움을 받으면 어려운 난관을 비교적 수월하게 헤쳐나갈 수 있다. 포스팅 시점에 국내에는 크게 두 개의 커뮤니티가 존재한다. 1.1. Facebook SLAM KR SLAM KR | Facebook SLAM 연구 관련하여 정보를 나누는 공간입니다. 학문적 이론에서 실제적 구현을 거쳐 재미있는 응.. 더보기
3D 강체 변환(Rigid Body Transformation) 개념 정리 본 포스팅에서는 3차원 공간 상의 강체를 변환할 때 사용하는 다양한 표현법에 대해 설명한다. Rigid body transformation본 자료에서는 3차원 공간 상의 강체(rigid body)의 움직임을 수학적으로 표현하는 다양한 방법들에 대하여 설명한다. 강체란 이론적으로 무한대의 강성을 가지는 물체를 뜻한다. 따라서 강체는 외부에서 힘을 가해도 모양이 변형이 되지 않으며 무게중심으로 지정되는 하나의 점에 의해 운동이 결정된다.SLAM에서 강체란 일반적으로 움직이는 카메라 센서를 의미하며 시간에 따라 카메라의 형태가 일정하다고 가정하므로 강체 변환(rigid body transformation)를 사용하여 카메라의 움직임을 수학적으로 표현할 수 있다.Coordinate system본 섹션에서는 이후.. 더보기
[Curated] Download Archive Outdated (2019~2021) SLAM prerequisite (2019) 3D Rigid Body Transformation 개념 리뷰 (2019) Pose Graph-based SLAM + Bundle Adjustment 개념 리뷰 (2019) Visual SLAM, Indirect vs Direct method 개념 비교 SLAM lecture review Freiburg university's Prof. Cyrill Stachniss (2018) Ch14 Least Squares (2018) Ch15 Least Square Approach to SLAM (2018) Ch16 Hierarchical Pose Graph (2018) Ch17 LS SLAM with Landmark (2018) .. 더보기
[En] Notes on Multiple View Geometry in Computer Vision Part 1 0. Projective Space Projective geometry is an essential topic in computer vision, particularly in 3D reconstruction and Simultaneous Localization and Mapping (SLAM) algorithms. Projective geometry is the study of properties that are invariant under projective transformations. A projective transformation is a non-singular linear transformation of the projective space $\mathbb{P}^{n}$. In projecti.. 더보기
[SLAM][En] Direct Sparse Odometry (DSO) Paper Review Part 2 4. Keyframes 4.1. Inverse Depth Update To be added 4.2. Immature Point Activation To be added 4.3. Sliding Window Optimization 4.3.1. Error Function Formulation If a specific frame is determined as a keyframe, the error function must be updated between keyframes within the sliding window and a new keyframe. At this time, Local Bundle Adjustment (LBA) is performed to optimize not only the keyfram.. 더보기
[SLAM][En] Direct Sparse Odometry (DSO) Paper Review Part 1 In this post, we review the DSO paper, which is famous for its direct method-based VO algorithm. While analyzing the DSO code, I found out that there were a lot of details omitted in the thesis, and I wrote a summary that included formula derivation and code review by referring to other people's already well-organized data. 1. Initialization 1.1 Calibration Since the direct method estimates the .. 더보기
[En] Notes on Lie Theory (SO(3), SE(3)) In this post, Lie Theory used in SLAM is explained. When studying the optimization part in SLAM, Lie Theory-based optimization methods often appear, but it is difficult to understand the optimization process without prior knowledge of the content. did Most of the contents were referred to [6]. Group Theory A group refers to an algebraic structure consisting of a set and a binary operation, which.. 더보기
[En] Notes on Plücker Coordinate 1. Introduction The Plücker Coordinate representation was first introduced by the 19th century mathematician Julius Plücker. This expression is one of the ways to express a line, and is used to express a line in the 4-dimensional $\mathbb{P}^{3}$ space using a point in the 6-dimensional $\mathbb{P}^{5}$ space. do. This expression method is characterized by a one-to-one correspondence between a p.. 더보기
[SLAM][En] Errors and Jacobian Derivations for SLAM Part 2 7. IMU measurement error In order to obtain the IMU measurement error, you must first know about the IMU preintegration technique and error-state modeling. The following figure expresses the overall IMU measurement error-based optimization process. The overall IMU measurement error-based optimization process, with detailed explanations and color highlighting added for better understanding, is as.. 더보기

티스토리툴바