핵심 개념
- VO vs SLAM — VO는 로컬 방식(루프 클로저 없음), SLAM은 전역 지도 + 루프 클로저를 포함
- 스케일 모호성 — 단안 SLAM의 근본적 한계; 고전적으로는 기하 정보만으로 절대 스케일을 복원할 수 없음(Metric3D나 MASt3R 같은 학습된 미터 깊이 사전 정보가 근사 스케일을 제공할 수 있음)
- 공시야성 그래프 — 키프레임 간 공유 맵 포인트 가시성; ORB-SLAM의 핵심 데이터 구조
- 시각적 장소 인식(VPR) — 루프 클로저를 위해 이전에 방문한 장소를 인식하는 것
- 자기지도 학습 기반 깊이 추정 — 정답 데이터 없이 단안 깊이를 학습하는 것 (Monodepth2, Godard 2019)
특징점 기반 SLAM
| 시스템 | 저자/연도 | 핵심 개념 |
|---|---|---|
| Visual Odometry | Nistér 2004 | 5점 Essential 행렬 솔버, RANSAC, 삼각측량, VO (로컬 전용, 루프 클로저 없음) |
| MonoSLAM | Davison 2007 | 최초의 실시간 단안 SLAM, EKF 기반, 단일 카메라, 희소 3D 지도, 확률적 특징점 초기화 |
| PTAM | Klein & Murray 2007 | FAST 특징점, 추적, 프론트엔드/백엔드 분리, 병렬 스레드, 키프레임, 매핑, 번들 조정, 수동 초기화 |
| Visual-SLAM why filter? | Strasdat 2012 | 번들 조정, 스케일 인식 BA, 모션 전용 BA |
| ORB-SLAM | Mur-Artal 2015 | ORB 키포인트, 자동 초기화(호모그래피 vs Fundamental 선택), 추적 스레드, 로컬(공시야성 기반) BA + 루프 클로저 시 전역 BA, 로컬 매핑, 대규모, 루프 클로저, Bag of Visual Words, 전역 최적화, 공시야성 그래프, 맵 포인트 관리(컬링, 병합) |
| Pop-up SLAM | Yang 2016 | 선/평면 특징 |
| PL-SLAM | Pumarola 2017 | 점/선 특징 |
| ORB-SLAM2 | Mur-Artal 2017 | → 스테레오 SLAM, → RGB-D SLAM |
| CubeSLAM | Yang 2019 | 단안 3D 직육면체 감지 + SLAM, 9자유도 객체 표현 |
| OpenVSLAM | Sumikura 2019 | ORB 기반 SLAM 프레임워크, 원근/어안/등장방형 카메라 모델, 맵 저장/불러오기 + 위치 추정 모드 |
| Stella-VSLAM | Community 2021 | OpenVSLAM 후속, 라이선스 재정비 (→ 레벨 7에도 등장) |
| UcoSLAM | Muñoz-Salinas 2019 | 표지 마커(fiducial marker) |
| DeepFusion | Laidlow 2019 | 밀도 단안 재구성, 반밀도 MVS + CNN 깊이/기울기 예측, 학습된 불확실성을 이용한 확률적 융합 |
| ORB-SLAM3 | Campos 2020 | 단안 + 스테레오 + VIO, 다중 맵, IMU 통합 |
| DXSLAM | Li 2020 | SLAM을 위한 딥 특징점 |
| PyCuVSLAM | NVIDIA 2025 | Python + CUDA GPU 가속 VSLAM 툴킷 (cuVSLAM 래퍼; 스테레오/다중 카메라 VIO) |
직접 방법 SLAM
| 시스템 | 저자/연도 | 핵심 개념 |
|---|---|---|
| DTAM | Newcombe 2011 | 밀도 매핑, 키프레임 매핑, GPGPU |
| LSD-SLAM | Engel 2014 | 광도 오차 최소화, 높은 기울기 픽셀/에지, 대규모, 루프 클로저, 포즈 그래프 최적화 |
| DSO | Engel 2016 | 광도 번들 조정, 슬라이딩 윈도우 BA, 루프 클로저/전역 최적화 없음 |
| LDSO | Gao 2018 | DSO + 루프 클로저(BoW 기반), DSO의 주요 약점 해결 |
| CNN-SLAM | Tateno 2017 | LSD-SLAM + 딥러닝 깊이 추정에서 얻은 깊이, 시맨틱 레이블 |
| DVSO | Yang 2018 | 딥러닝 기반 단일 이미지 깊이 추정, StackNet |
| D3VO | Yang 2020 | 딥러닝 기반 단일 이미지 깊이 추정, 딥 포즈, 딥 우연적 불확실성(aleatoric uncertainty) |
반직접 방법 (하이브리드)
| 시스템 | 저자/연도 | 핵심 개념 |
|---|---|---|
| SVO | Forster 2014 | FAST 특징 검출, 희소 직접 이미지 정렬, 깊이 필터 |
| SVO2 | Forster 2017 | 다중 카메라/어안, 확률적 깊이 추정, 직접 방법 수렴성, 희소 방법, 번들 조정 |
| Stereo DSO | Wang 2017 | → 스테레오 SLAM |
| VI-DSO | von Stumberg 2018 | → VIO/VINS |
SfM 도구
| 시스템 | 저자/연도 | 핵심 개념 |
|---|---|---|
| COLMAP | Schönberger 2016 | 사실상 표준인 증분 SfM + MVS 파이프라인 (C++/CUDA, pycolmap 바인딩) |
| GLOMAP | Pan 2024 | 전역 SfM의 재조명 — COLMAP과 호환되며 훨씬 빠른 매핑 |
| InstantSfM | Zhong 2025 | GPU 네이티브 희소성 인식 SfM 파이프라인, COLMAP 대비 큰 속도 향상 |
동적 환경 SLAM
| 시스템 | 저자/연도 | 핵심 개념 |
|---|---|---|
| DynaSLAM | Bescós 2018 | Mask R-CNN 기반 동적 객체 제거 + 배경 인페인팅, ORB-SLAM2 기반 |
| DS-SLAM | Yu 2018 | 시맨틱 분할(SegNet) + 모션 일관성 검사 |
| MaskFusion | Rünz 2018 | 여러 움직이는 객체에 대한 RGB-D 인식, 추적, 재구성 |
| MID-Fusion | Xu 2019 | 옥트리 기반 객체 수준 다중 인스턴스 동적 RGB-D SLAM |
| VDO-SLAM | Zhang 2020 | 동적 객체 인식 SLAM, 카메라 + 객체 모션 공동 추정 |
| DynaSLAM II | Bescós 2021 | 긴밀 결합 다중 객체 추적 및 SLAM |
| MonST3R | Zhang 2024 | 모션이 존재하는 상황에서의 DUSt3R 계열 포인트맵 추정 |