안녕하세요, SLAM 공부중인 장형기입니다. 이번에 Visual-SLAM에서 필수적으로 사용되는 RANSAC, 그리고 에러 데이터를 (outl
SLAM/resources 2020. 9. 2. 09:22안녕하세요, SLAM 공부중인 장형기입니다.
이번에 Visual-SLAM에서 필수적으로 사용되는 RANSAC, 그리고 에러 데이터를 (outlier) 제거하는데에 사용되는 M-Estimator 기술들을 설명하는 글을 적고 있습니다.
각각의 기술들의 기술적 진화와 OpenCV에서 구현한 방법및 문제점, 간단한 코드 구현, 그리고 산업/연구 계열에서 사용하는 최신 SOTA 방법론까지 커버해보고 있습니다.
현재 3개의 글이 더 추가될 예정이며, M-estimator의 개념과 사용법에 대해 추가할 예정입니다.
많은 관심 부탁드립니다. 감사합니다!
1) Outlier란?
https://cv-learn.com/Outlier-Robust-estimation-0-Outlier-fa0c9cb92fdc4de79900118766c55cbf
2) RANSAC 소개
https://cv-learn.com/Outlier-Robust-Estimation-1-RANSAC-82e8aefaa56e493cb324ad752f9242f6
3) 기존 RANSAC의 단점 + PROSAC 소개
https://cv-learn.com/Outlier-Robust-Estimation-2-RANSAC-PROSAC-c7243d860b454493b68ff8a34bff4deb
4) OpenCV RANSAC을 그냥 쓰면 안되는 이유 + 업그레이드 RANSAC
https://cv-learn.com/Outlier-Robust-Estimation-3-OpenCV-RANSAC-RANSAC-086b2977b5b14212a3be566861fa3647
