Abstract

영상을 이용하여 랜드마크와 카메라의 자세 및 위치를 추정하는 영상 기반 SLAM(Simultaneous Localization and Mapping)은 등속도(Constant velocity) 모델을 사용하고 있기 때문에 자세 및 위치를 연속적으로 추정하기 위해서 부드러운 동작을 요구한다. 그러나 실생활에서 사용되는 경우 앞서 요구되는 모션에 위배되는 불규칙한 동작(급격한 모션의 변화)이 발생하며, 그 결과 모션 추정에 실패한다. 이 문제를 해결하기 위해, 발생하는 모션에 적합한 다양한 동적 모델을 적응적으로 동시에 사용할 수 있도록 IMM(Interacting Multiple Model) 알고리즘을 고려한다. IMM 필터링을 통해 각 모델들 간에 상호작용을 하여, 추정할 카메라 모션에 적합한 동적 모델로부터 올바른 추정치를 획득한다. 본 논문에서는 모션에 따른 적합한 모델 선택 능력을 향상시키기 위해, IMM 필터링에서 각 모델의 중요도에 대한 기준이 되는 모델 확률(Model probability)을 업데이트 하는 방법에 대해 논의해 볼 것이다. 제안된 방법은 측정치의 획득이 열악한 상황으로 인해 기존의 모델 확률 업데이트 방법이 상황에 적합한 모델을 찾지 못하는 경우에도 최적의 모델을 선택하도록 함으로써 강건한 결과를 산출하게 한다.