2020년 SLAM 이론 스터디 (SLAM DUNK Season 2) + 스터디 링크
2019년 SLAM KR 커뮤니티에서 진행한 SLAM 이론 스터디에 참여하였다.
Bonn 대학의 Cyrill Stachniss 교수님의 렉처를 기반으로 함께 공부하였다.
Youtube 재생목록을 통해 영상을 확인할 수 있다.
스터디 내용 목차는 다음과 같다.
- Introduction to SLAM
- An Informal Introduction to Least Squares
- Graph-Based SLAM using Pose Graph
- Graph-Based SLAM with Landmarks
- Robust Least Squares for Graph-Based SLAM
- Hierarchical Pose Graphs for SLAM
- The Basics of Bundle Adjustment
- Numeric of the Bundle Adjustment
- Iterative Closest Points
- Bayes Filter
- Kalman FIlter & EKF
- EKF SLAM
- Particle Filter and Monte Carlo Localization
- Occupancy Grid Maps
- Epipolar Geometry Basics
- Camera Parameters
- Direct Linear Transform
- Camera Calibration using Zhang’s Method
- Projective-3-Point Algorithm using Grunert’s method
- RANSAC
- Direct Solutions for computing F and E matrix
- Relative Orientation, Fundamental and Essential Matrix
- Absolute Orientation Similarity Transformations
- Iterative Solution for the Relative Orientation
- Triangulation for Image Pairs
Orthophotos
이번 스터디에서 내가 커버했던 내용은 “Introduction to SLAM”과 “RANSAC” 부분을 커버하였다.
“Introduction to SLAM”은 기본적인 백엔드의 개념과 Localization + Mapping 에 대해서 설명하였다.
“RANSAC” 발표는 RANSAC 자체 알고리즘이 워낙 심플하기도 하고, 너무 발표가 짧아서… PROSAC과 Lo-RANSAC 구현을 이전에 했는데, 그 때 관련해서 느낀 점에 대해 적었다. (그랬더니 영상이 30분으로 길어졌다 끙)
이번 스터디의 반은 기본적인 SLAM의 백엔드, 나머지 반은 Visual-SLAM의 기초 이론들을 다룬다.
시작할 때만 해도 ‘초반 반은 이번에 제대로 듣고, 나머지 반은 조금 아니까 대충 들어도 되겠지’라고 생각했지만 완전히 잘못된 생각이였다 ㅋㅋ…
생각보다 후반부가 어려웠고 중요한 내용들이 많이 있어서 많이 배우는 계기가 되었다.