평면 특징은 고수준 기하학적 특징으로 구조화된 환경에서 널리 존재하며, 대부분의 동시 위치추정 및 지도작성(SLAM) 시스템에 훌륭한 보완물이 됩니다. 특징점과 평면 특징 융합 시 새로운 오차가 도입되고 평면이 퇴화할 가능성을 해결하기 위해, 본 논문에서는 이종 특징을 융합한 단안 비주얼 관성 SLAM 시스템을 제안합니다. 먼저 그레이스케일 이미지에서 특징점을 추출하고, 특징점 집합에 대해 삼각 분할을 수행한 후 결과를 월드 좌표계로 변환합니다. 초기화 과정을 제약된 최적화 문제로 모델링하고 교대 방향 승자법을 이용해 분산해결합니다. 유사한 평면을 클러스터링하고 제안된 평면 충돌 확률 모델로 평면을 적합시켜 대응하는 유계 평면 파라미터를 얻습니다. 마지막으로, 팩터 그래프에 평면 특징의 기하학적 제약을 도입하여 오차 모델을 통해 카메라 움직임과 평면 파라미터를 동시에 최적화합니다. 전형적인 비주얼 관성 SLAM 시스템인 VINS와 비교하여, 제안된 시스템은 EuRoC 데이터셋에서 절대 궤적 오차 평균값을 50% 감소시켰고 TUM-Ⅵ 데이터셋에서는 40% 감소시켰습니다. 이 방법은 구조화된 장면에서 안정적이고 연속적으로 동작하며 저조도 텍스처 영역의 위치 정확도와 강인성을 향상시킵니다.

SLAM; 비주얼 관성; 분산해결; 유계 평면 추출; 비선형 최적화