메종 드 성호

cnn을 사용하지 않고 어텐션이란 놈을 사용했다. 원래는 자연어 처리에 쓰이던 놈인데 비전에도 많이 쓰이고 sota를 먹는다고 한다.

간단한 인공지능 파트만 정리하였다. 사실 이론은 별로 없고 하드코어하게 로봇을 만드는게 대부분인 수업이다. 3학점 수업이지만 솔직히 7~8학점은 줘야한다고 생각한다. 나는 로봇을 만들며 로컬라이제이션과, 사람의 도서관 출입판단을 맡았다. 깃허브에 코드가 있다!

imu를 dso에 얹은 것이다. vins mono를 읽고, 평소에 관심있던 dso에는 어떻게 적용을할까?? 궁금해서 읽어보았다. 부록 봐가며 빡세게 보고 있는 논문이었다. 지금은 유예중~

사실 카토그래퍼가 아니라 카토그래퍼에 쓰인 루프클로징 방법이다. 아무튼 이 방식은 BoW 방식이 아니라 지오메트릭 방식이다. 또 그냥 컨벡스 최적화류가 아니라, 서치스페이스를 나누어 coarse to fine으로, branch-and-bound로 해를 찾는 형식이다. 이게 3d에서 적용될 수 도 있을것 같아 읽고 있는 중이다.

사실 vins fusion이라기 보다는 모노에 어떻게 gps를 섞었나에 대한 리뷰다. loosely fusion, 최적화 방식에 대해 다룬다. 바로미터, 자기계 등등을 다루지만 관심이 없어서 gps만 살펴보았다ㅎㅎㅎ

vins fusion은 gps를 loosely fusion하지만 gvins는 tightly하게 fusion한다. 난 gps 수신기가 그냥 전원 인가되면 위도 경도 찍혀서 나오는 건줄 알았는데, 사실 원시 데이터를 받아서 x, y, z, 시간을 최적화 하는거라고 한다. gps도 라디오 마냥 신호 보내주는거였고. 생각보다 gps 퓨전은 시간 추정해야 할 것이 많고 전리층 통과, 다중경로 효과 등등 신경써야 할것이 많은 것 같다. gps의 원리와 퓨전 방법론에 대해 배울 수 있었다.

처음으로 읽은 vi slam 논문이다. tightly coupled fusion, 최적화 기반이다. 그냥 비전텀, inertial 텀, prior 텀 싹 묶어서 최적화 시키는 방법이여서 아무것도 몰랐을 때 깜짝 놀랐다. 그리고 수식보고서도 깜짝 놀랐다. 이 논문 작성한 랩실에서 좋은 논문들이 나오는 것 같다. 내 관심 분야랑 좀 맞는달까? 확률적 스테레오 슬램, gnss tightly fusion 등등 아무튼 이 논문은 내가 좋아하는 논문이다. 또, 코드는 ros로 odometry, 루프클로저, (vins fusion의 경우 글로벌 퓨전까지) 나눠져있어 다루기 좋았다. stereo vi dso의 경우 (자세히 보지는 않았지만) vins와 비슷하게 imu를 모델링한 퓨전이라는 느낌을 받았다. (이것도 강결..

orb와 마찬가지로 단순 번역에 가깝다..ㅋㅋㅋ dso는 이름대로 direct sparse odometry다. saprse하게 포인트를 뽑고 그놈들의 뎁스 추정만으로 오도메트리를 계산하는 방법. 이 논문 보면서 비네팅, 밝기 비선형성, 노출시간 추정? 등등 다양한 모델링을 사용하는구나.. .깜짝 놀랐다. 또한 특징점을 뽑는 방법이나. 키프레임 간격 배치 방법 등등 배울 점이 많았다. 여기에 쓰인 카메라 모델링과 휴리스틱을 추후 정리할 생각이다.