레벨 06 / 11
VIO / VINS
카메라와 IMU 융합 — 필터링 vs 최적화
핵심 개념
- 긴밀 결합 vs 느슨한 결합 — 시각 및 관성 측정값의 공동 최적화 vs 개별 최적화
- 필터 기반 vs 최적화 기반 — EKF 접근법 vs 비선형 최적화(BA)
- IMU 사전 적분 — 키프레임 사이의 IMU 측정값을 적분하는 것 (Lupton 2012; 다양체 위 공식화: Forster 2015)
- IMU 잡음 모델 — 바이어스, 랜덤 워크, 앨런 분산
- 관측 가능성 — VIO에서 관측 불가능한 4개의 자유도(3자유도 전역 이동 + 요); 등가속도 운동에서는 스케일도 추가로 관측 불가능해짐
- 실제 배포된 VIO — 상용 XR 스택(Meta Quest, ARKit/ARCore)은 가장 널리 배포된 VIO 시스템으로, 사례 연구로서 살펴볼 가치가 있음
기초
필터 기반
최적화 기반
| 시스템 |
저자/연도 |
핵심 개념 |
| OKVIS |
Leutenegger 2015 |
키프레임 기반, 긴밀 결합, 슬라이딩 윈도우 최적화 |
| VINS-Mono |
Qin 2018 |
긴밀 결합, 재지역화, 루프 클로저, 포즈 그래프 최적화 |
| VI-DSO |
von Stumberg 2018 |
직접 희소 VIO, 동적 주변화, 광도 오차 |
| VINS-Fusion |
Qin 2019 |
스테레오 + GPS 융합 확장 |
| maplab |
Schneider 2018 |
다중 세션 시각-관성 매핑 프레임워크 |
| Kimera-VIO |
Rosinol 2020 |
Kimera 파이프라인을 위한 빠른 VIO 프론트엔드, 구조 없는(structureless) 시각 팩터 |
| Basalt |
Usenko 2020 |
주변화 사전 정보의 비선형 팩터 복원(NFR), 시각-관성 오도메트리 + 매핑 |
| ORB-SLAM3 |
Campos 2020 |
VIO 모드, 다중 맵, IMU 초기화 |
| DM-VIO |
von Stumberg 2022 |
직접 방법(DSO 기반) 단안 VIO, 지연 주변화, IMU 초기화를 위한 포즈 그래프 BA |
| OKVIS2 |
Leutenegger 2022 |
다중 세션, 개선된 주변화 |
| AirVO |
Xu 2023 |
점-선 VIO, 조명 변화에 강건 |
| OKVIS2-X |
Boche & Leutenegger 2025 |
다중 센서 SLAM(시각+관성+깊이+LiDAR+GNSS), 밀도 볼류메트릭 점유 지도, 대규모(9km 이상)를 위한 서브매핑, EuRoC/Hilti22 SOTA |