레벨 02 / 11
SLAM과 친해지기
기하학, 최적화, SLAM 시스템의 구조
프로그래밍 (핵심)
- C++: OOP, Modern C++, 자료구조와 알고리즘, 컴파일러, CMake/Makefile/Ninja, 디자인 패턴, OpenCV C++
- C
- Git/GitHub
- OpenCV (opencv-python)
- Python: 딥러닝, 그래프 플롯, 시스템 스크립트
- Bash/Linux: ssh, CLI 텍스트 에디터/Vim/tmux
- 수학 라이브러리: Eigen, Ceres-solver/GTSAM/g2o
- C++/Python 상호운용: PyBind11, nanobind
- ROS/ROS2
- Docker
프로그래밍 (선택 — SLAM 취업을 위한 엔지니어링 역량)
- 동시성: SIMD-SSE/AVX/Neon, OpenMP, CUDA
- 엣지 배포: 학습된 프론트엔드의 TensorRT/ONNX 내보내기, Jetson 벤치마킹
- 모바일: Android (Java/Kotlin), iOS (Objective-C/Swift)
- C#: Unity AR, Microsoft HoloLens
- CI/CD: GitHub Actions
- 시뮬레이션: Gazebo, Isaac Sim
이미지 처리
지역 특징 매칭
전역 특징 매칭
특징 추적
다중 뷰 기하학
이상치 제거
인증 가능한 최적 알고리즘
| 시스템 |
저자/연도 |
핵심 개념 |
| SE-Sync |
Rosen 2019 |
SDP + 리만 최적화를 통한 인증 가능한 포즈 그래프 최적화 (arXiv 2016, IJRR 2019) |
| TEASER++ |
Yang 2020 |
포인트 클라우드 정합, 90%+ 이상치에 강건, TLS + Max Clique (T-RO/RSS 2020) |
| GNC |
Yang 2020 |
Graduated Non-Convexity, 볼록 → 강건 비용으로의 연속화(continuation) |
| QUASAR |
Yang 2019 |
인증 가능한 최적 회전 탐색(이상치가 있는 Wahba 문제), 쿼터니언 QCQP + SDP 완화 |
최소제곱 최적화
운동 모델
관측 모델
팩터 그래프 최적화
가우시안 신뢰 전파
맵 표현
센서
- 카메라 장치: 광각/텔레센트릭 렌즈, 렌즈 MTF, CCD/CMOS, 롤링/글로벌 셔터, 노출/ISO, 스테레오비전, RGB-D, 구조광, 능동 IR/ToF
- LiDAR → Visual-LiDAR 융합
- IMU → VIO
- RADAR → 센서 융합, 확장 칼만 필터
- 소나
- 다중 센서 캘리브레이션: 카메라-IMU, 카메라-LiDAR (Kalibr)
평가