시각 SLAM

단안 카메라, RGB-D 카메라 또는 스테레오 카메라를 사용한 실시간 시각 기반의 위치추정 및 지도작성(vSLAM), 배포 지원을 포함한 관성 센서 융합

시각 기반의 동시적 위치추정 및 지도작성(vSLAM)은 시각적 입력을 사용하여 환경 맵을 작성하면서 동시에 카메라의 위치와 방향을 추정하는 과정입니다. Computer Vision Toolbox™는 단안 카메라, RGB-D 카메라, 스테레오 카메라를 위한 vSLAM 워크플로를 지원하며, 정확도 향상을 위해 선택적으로 관성 센서 융합을 사용할 수 있습니다. 이러한 기능은 로보틱스, 증강현실, 자율 내비게이션의 응용 분야에 필수적입니다. vSLAM 워크플로 선택에 대한 지침은 Choose SLAM Workflow Based on Sensor Data 항목을 참조하십시오.

각 시각 SLAM 객체(monovslam, rgbdvslam, stereovslam)는 프레임 추가, 키프레임 추적, 3차원 맵 점 계산, 카메라 자세 추정, 루프 폐쇄, 카메라 궤적 전체에 대한 데이터 시각화를 위해 바로 사용 가능한 툴을 제공합니다. compareTrajectories 함수를 사용하면 추정된 카메라 궤적을 ground truth와 비교하여 vSLAM 알고리즘의 성능을 평가할 수도 있습니다. 이 툴박스는 자신만의 시각 SLAM 파이프라인을 구축할 수 있는 기능도 제공합니다.

이 툴박스를 사용하여 vSLAM 알고리즘의 코드 생성과 배포를 수행할 수 있습니다. 자세한 내용은 Build and Deploy Visual SLAM Algorithm with ROS in MATLAB 항목과 Performant and Deployable Monocular Visual SLAM 항목을 참조하십시오.

함수

모두 확장

단안 시각 SLAM

`monovslam`	Visual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with monocular camera (R2023b 이후)
`addFrame`	Add image frame to visual SLAM object (R2023b 이후)
`hasNewKeyFrame`	Check if new key frame added in visual SLAM object (R2023b 이후)
`checkStatus`	Check status of visual SLAM object (R2023b 이후)
`isDone`	End-of-file status (logical)
`mapPoints`	Build 3-D map of world points (R2023b 이후)
`poses`	Absolute camera poses of key frames (R2023b 이후)
`plot`	Plot 3-D map points and estimated camera trajectory in visual SLAM (R2023b 이후)
`reset`	Reset visual SLAM object (R2023b 이후)

RGB-D 시각 SLAM

`rgbdvslam`	Feature-based visual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with RGB-D camera (R2024a 이후)
`addFrame`	Add pair of color and depth images to RGB-D visual SLAM object (R2024a 이후)
`hasNewKeyFrame`	Check if new key frame added in RGB-D visual SLAM object (R2024a 이후)
`checkStatus`	Check status of visual RGB-D SLAM object (R2024a 이후)
`isDone`	End-of-processing status for RGB-D visual SLAM object (R2024a 이후)
`mapPoints`	Build 3-D map of world points from RGB-D vSLAM object (R2024a 이후)
`poses`	Absolute camera poses of RGB-D vSLAM key frames (R2024a 이후)
`plot`	Plot 3-D map points and estimated camera trajectory in RGB-D visual SLAM (R2024a 이후)
`reset`	Reset RGB-D visual SLAM object (R2024a 이후)

스테레오 시각 SLAM

`stereovslam`	Feature-based visual simultaneous localization and mapping (vSLAM) and visual-inertial sensor fusion with stereo camera (R2024a 이후)
`addFrame`	Add pair of color and depth images to stereo visual SLAM object (R2024a 이후)
`hasNewKeyFrame`	Check if new key frame added in stereo visual SLAM object (R2024a 이후)
`checkStatus`	Check status of stereo visual SLAM object (R2024a 이후)
`isDone`	End-of-processing status for stereo visual SLAM object (R2024a 이후)
`mapPoints`	Build 3-D map of world points from stereo vSLAM object (R2024a 이후)
`poses`	Absolute camera poses of stereo key frames (R2024a 이후)
`plot`	Plot 3-D map points and estimated camera trajectory in stereo visual SLAM (R2024a 이후)
`reset`	Reset stereo visual SLAM object (R2024a 이후)

결과 평가

`compareTrajectories`	Compare estimated trajectory against ground truth (R2024b 이후)
`trajectoryErrorMetrics`	Store accuracy metrics for trajectories (R2024b 이후)

결과 시각화하기

`imshow`	이미지 표시
`showMatchedFeatures`	Display corresponding feature points
`plot`	Plot image view set views and connections
`plotCamera`	Plot camera in 3-D coordinates
`pcshow`	Plot 3-D point cloud
`pcplayer`	Visualize streaming 3-D point cloud data

자신만의 시각 SLAM 파이프라인 구축하기

특징 검출, 추출 및 매칭

`detectSURFFeatures`	SURF 특징 검출
`detectORBFeatures`	Detect ORB keypoints
`extractFeatures`	Extract interest point descriptors
`matchFeatures`	매칭되는 특징 찾기
`matchFeaturesInRadius`	Find matching features within specified radius

3차원 구조 복원

`triangulate`	3-D locations of undistorted matching points in stereo images
`img2world2d`	Determine world coordinates of image points (R2022b 이후)
`world2img`	Project world points into image (R2022b 이후)

움직임 추정

`estgeotform2d`	Estimate 2-D geometric transformation from matching point pairs (R2022b 이후)
`estgeotform3d`	Estimate 3-D geometric transformation from matching point pairs (R2022b 이후)
`estimateFundamentalMatrix`	Estimate fundamental matrix from corresponding points in stereo images
`estworldpose`	Estimate camera pose from 3-D to 2-D point correspondences (R2022b 이후)
`findWorldPointsInView`	Find world points observed in view
`findWorldPointsInTracks`	Find world points that correspond to point tracks
`estrelpose`	Calculate relative rotation and translation between camera poses (R2022b 이후)

움직임 및 3차원 구조 최적화

`optimizePoses`	Optimize absolute poses using relative pose constraints
`createPoseGraph`	Create pose graph
`bundleAdjustment`	Adjust collection of 3-D points and camera poses
`bundleAdjustmentMotion`	Adjust collection of 3-D points and camera poses using motion-only bundle adjustment
`bundleAdjustmentStructure`	Refine 3-D points using structure-only bundle adjustment

루프 폐쇄

`bagOfFeatures`	Bag-of-visual-words 객체
`bagOfFeaturesDBoW`	Bag of visual words using DBoW2 library (R2024b 이후)
`dbowLoopDetector`	Detect loop closure using visual features (R2024b 이후)
`indexImages`	Create image search index
`invertedImageIndex`	Search index that maps visual words to images

데이터 관리

`imageviewset`	Manage data for structure-from-motion, visual odometry, and visual SLAM
`worldpointset`	Manage 3-D to 2-D point correspondences

변환

`se3`	SE(3) homogeneous transformation (R2026a 이후)
`so3`	SO(3) rotation (R2026a 이후)

도움말 항목

바로 사용 가능한 시각 SLAM 함수

Performant and Deployable Monocular Visual SLAM
Use visual inputs from a camera to perform vSLAM and generate multi-threaded C/C++ code.
Performant Monocular Visual-Inertial SLAM
Use visual inputs from a camera and positional data from an IMU to perform viSLAM in real time. (R2025a 이후)
Choose SLAM Workflow Based on Sensor Data
Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.
How to Improve Accuracy in Visual SLAM
Tips to improve the accuracy, robustness, and efficiency of your visual SLAM system.

자신만의 시각 SLAM 파이프라인 구축하기

Monocular Visual Simultaneous Localization and Mapping
Visual simultaneous localization and mapping (vSLAM).
Monocular Visual-Inertial SLAM
Perform SLAM by combining images captured by a monocular camera with measurements from an IMU sensor.
Stereo Visual Simultaneous Localization and Mapping
Process image data from a stereo camera to build a map of an outdoor environment and estimate the trajectory of the camera.