전통적인 기하학적 접근법은 주로 Feature-based 방식과 Direct method 방식의 두 가지로 나뉜다. Feature-based 방식은 특징점의 추출 및 정합을 통해 깊이 및 위치를 추정하는 방식으로, 대표적인 시스템으로 ORB-SLAM3^[1]가 있다. 이 방식은 삼각측량을 기반으로 연속된 프레임 간 특징점의 이동을 이용하여 깊이를 추정한다. 그러나 충분한 병진 운동이 이루어지지 않는 경우(예: 순수 회전 환경)에는 깊이 추정이 어렵고, 절대 깊이 값을 직접 추정할 수 없기 때문에 스케일 드리프트 문제가 발생한다. 이를 개선하기 위해 Covariance Intersection (CI) 필터를 적용하여 ORB 특징점의 삼각측량 오차를 줄이는 연구가 수행되었으나^[2], IMU 센서 의존성이 높아 순수 카메라 기반 시스템에는 적용이 제한적이다.

또한, 루프 클로징(Loop Closing) 기법은 이동체가 이전에 방문했던 장소를 재방문할 때 누적된 오차를 보정하는 방식이다. ORB-SLAM3^[1]은 장거리 랜드마크 추적 시 3.2 m 이상의 오차가 발생하는 것으로 보고되었으며, 루프가 없는 환경(예: 직선 복도)에서는 오차 보정이 불가능하고, 그래프 최적화 과정에서 CPU 부하가 37% 증가하는 한계가 있다^[3].

한편, Direct method는 특징점을 추출하지 않고 이미지의 모든 픽셀 밝기 값을 직접 활용하여 포토메트릭 오차(Photometric Error)를 최소화하는 방식이다. 대표적인 시스템으로는 LSD-SLAM^[4]과 DSO^[5]가 있으며, 특징점이 부족한 텍스처 희박 환경에서도 상대적으로 강건한 성능을 보인다. 그러나 조명 변화나 노이즈에 민감하며, 초기화 단계에서 깊이 추정이 부정확할 경우 시스템 전체의 안정성이 저하될 수 있다.

이처럼 전통적인 기하학적 접근법은 특징점 기반 삼각측량과 루프 클로징을 통해 깊이 추정이 가능하지만, 환경 조건(조명 변화, 움직임 패턴)에 민감하며, 절대 깊이 값을 직접 추정할 수 없다.

최근 딥러닝 기술의 발전으로 단안 깊이 추정(Monocular Depth Estimation, MDE) 모델과 End-to-End VSLAM 방법이 활발히 연구되고 있다. End-to-End VSLAM 방법은 깊이, 포즈, 불확실성 등을 동시에 학습하여 SLAM 성능을 개선하는 접근법이다. [6]은 3중 신경망(깊이, 포즈, 불확실성)을 병렬 운영하여 EuRoC MAV 데이터셋^[7]에서 기존 대비 62% 높은 정확도를 달성하였다. 그러나 상대 깊이만 예측할 수 있어 스케일 불일치(Scale Inconsistency) 문제가 여전히 존재하며, 다중 신경망 병렬 학습으로 인해 GPU 메모리 사용량 증가가 단점으로 지적된다. [8]는Gaussian Splatting을 이용하여 RGB 입력만으로 Depth Smooth Loss를 활용한 절대 깊이 추정을 수행한다. 그러나 초기 10프레임에서 적절한 파라미터 초기화가 실패할 경우 시스템이 붕괴되는 취약점이 존재한다.

단안 깊이 추정 모델 분야에서는 Depth Anything v2^[9], Zoe Depth^[10], UniDepth^[11] 등의 최신 모델들이 단일 이미지에서 깊이 정보를 추정하는 놀라운 성능을 보여주고 있다. [9]는 62 M 이미지 기반 의사 라벨링 학습을 수행하여 높은 성능을 보였으나, TUM RGB-D 데이터셋^[12]에서 RMSE 0.42 m 수준의 오차가 발생하였다. [9]는 12개 데이터셋을 활용하여 학습된 모델로, NYUv2 데이터셋^[13]에서 SOTA 성능을 달성하였으나, Kinect 센서 기반의 깊이 데이터에서 노이즈에 취약한 문제가 있다. [11]는 카메라 프롬프트을 도입하여 Zero-shot 평가를 수행할 수 있으나, 도메인 전이 성능이 기존 대비 18% 저하되는 한계를 보인다. 일부 연구에서는 VSLAM과 MDE 모델을 결합하여 깊이 추정을 보정하는 시도가 이루어졌으나, UDGS^[14]는 CNN 기반 깊이 추정인 [11]과 포즈 그래프 최적화를 결합하였으나, GPU 메모리 사용량이 8 GB를 초과하여 임베디드 시스템 적용이 어렵다. [15]은 모든 프레임에서 MDE를 적용하여 연산량 증가로 인해 15 FPS 수준의 낮은 실시간 처리 성능을 보인다.

본 연구는 기존 딥러닝 기반 VSLAM 연구들과 비교하여 다음 세 가지 측면에서 유의미한 기여를 한다:

(1) 깊이 추정 정확도 향상

Edge Loss 함수의 도입과 이미지 Augmentation 기법을 통해 객체 경계에서의 깊이 추정 정확도를 크게 개선한다. 특히, TUM RGB-D 데이터셋^[13]에서 RMSE가 기존 Depth Anything v2 모델^[9] 대비 91.2% 감소하는 성과를 달성했다.

(2) Localization 성능 개선

정확한 깊이 정보는 SLAM 시스템의 위치 추정 성능에 직접적인 영향을 미친다. 본 연구에서 제안한 방법은 ORB-SLAM3^[1]의 절대 궤적 오차(Absolute Trajectory Error)를 기존 대비 94.6% 감소시켰으며, 특히 루프가 없는 환경에서도 안정적인 위치 추정 성능을 보여준다.

(3) 실시간 처리 속도 증가

KeyFrame 기반 깊이 보정 전략을 통해, MDE 모델 적용에 따른 연산 부하를 최소화하면서도 깊이 추정 정확도를 유지할 수 있었다. 제안된 시스템은 720p 해상도 영상에서 평균 18 FPS 이상의 실시간 처리 성능을 달성했다.

Kinect와 같은 실제 깊이 센서로 수집된 깊이 데이터는 [Fig. 3]과 같다. [Fig. 3]은 가까운 깊이 값을 밝은 색으로, 멀어질수록 어두운 색으로 표현하며, 노이즈 부분은 Nan 값으로 완전히 어두운 것을 알 수 있다. [Fig. 3]은 노이즈와 공간적 불균일성을 포함하고 있다. 전체 픽셀의 약 16.93%가 이상치(NaN)를 포함하고 있다.깊이 맵에서 이상치 값이 많을 경우, 학습 가능한 유효 깊이 데이터가 줄어들어 모델 성능 저하로 이어진다. 주요 문제점으로는 유효 데이터 감소, 경계 영역 학습 어려움, 센서 데이터와 합성 데이터 간의 차이가 있다. 실제 Depth Anything v2의 학습 과정에서도 이상치 픽셀 때문에 Loss가 안정적으로 수렴하지 않는 현상이 관찰되었다([Fig. 4]).

[Fig. 3] 
NaN values in the TUM dataset ground-truth (GT) depth map. Left: histogram of NaN values. Right: GT depth map visualization (far: dark, near: light)

[Fig. 4] 
Outlier Effect Depth Anything Fine tuning

이 문제를 해결하기 위해, 본 연구에서는 깊이 맵에서 픽셀을 보간하여 보정하는 기법을 적용하였다. 구체적인 방법은 아래와 같다. 깊이 맵에서 제로 값 픽셀은 센서의 한계 또는 가려짐으로 인해 발생하며, 이러한 결손 영역이 깊이 기반 알고리즘의 성능을 저하시킬 수 있다. 본 연구에서는 7×7 윈도우를 활용한 보간 기법을 사용하여 이러한 문제를 해결하였다. 방법은 아래와 같다.

• ∙ 깊이 맵 패딩(Padding): 깊이 맵의 경계 처리를 위해, NaN 값을 활용하여 맵을 패딩함으로써 7×7 윈도우가 항상 중앙을 유지하도록 설정한다.
• ∙ 국소적 보간：각 제로 값 픽셀에 대해, 7×7 패치를 추출하고 해당 패치에서 유효한(depth 값이 존재하는) 픽셀들의 평균값을 계산하여 대체한다. 단, 유효한 픽셀 개수가 패치 내 총 픽셀 수(49개)의 20% 이상일 경우에만 평균값으로 대체하며, 그렇지 않으면 원래 제로 값을 유지한다.
• ∙ 이상치 값 처리: 보간 과정 이후에도 남아 있는 이상치 값(경계)은 원래의 깊이 맵에서 제로 값으로 유지한다.

이러한 보간 기법을 적용함으로써, 깊이 맵의 이상치 및 누락 픽셀을 효과적으로 복원할 수 있었다([Fig. 5]). 실험 결과, TUM datast^[10] 중 desk dataset 누락 픽셀 복원 성공률이 평균12.8% 향상되었으며, 특히 다양한 경계 부분에서의 복원을 통해, 모델의 깊이 추정 성능 또한 개선되는 효과를 확인할 수 있었다.

[Fig. 5] 
Refine Depth Map Result

본 연구에서는 단안 깊이 추정 모델인 Depth Anything v2^[7]의 성능을 향상시키기 위해, [Fig. 6]과 같이, CLAHE, 깊이-명암 영상 융합, 반전 채도 기법을 결합한 데이터 증강 기법을 제안한다. 이를 통해 조명 변화에 강건한 깊이 맵을 생성하고, 객체 경계를 보다 명확하게 표현하여 VSLAM 성능을 개선한다.

[Fig. 6] 
Data Augmentation Pipeline

(1) CLAHE 적용: CLAHE (Contrast Limited Adaptive Histogram Equalization)는 이미지의 국소 대비(local contrast)를 향상시키는 방법으로, 전역 대비 향상에 비해 노이즈 증폭을 억제하면서 객체 경계를 더욱 선명하게 강조할 수 있는 특징을 지닌다. 본 연구에서는 CLAHE를 RGB 이미지와 깊이 맵에 적용하여, 조명이 불균형하거나 명암비가 낮은 TUM 데이터셋 환경에서의 경계 정보 인식을 향상시키기 위해 활용하였다. CLAHE는 입력 영상을 여러 개의 작은 타일(tile)로 분할한 뒤 각 타일에 대해 히스토그램 평활화를 수행하며, 과도한 대비 증폭을 방지하기 위해 clipLimit을 설정한다. 본 연구에서는 CLAHE의 주요 하이퍼 파라미터인 tileGridSize와 clipLimit의 영향도를 분석하기 위해 grid 크기(2×2, 4×4, 8×8)에 따라 실험을 수행하였으며, 그 결과 tileGridSize=(8,8), clipLimit=4에서 가장 우수한 객체 경계 강조 효과와 깊이 추정 정확도를 얻을 수 있었다. 따라서 본 연구에서는 해당 파라미터 설정을 기준으로 CLAHE를 적용하였다([Table 1] 참고).
(2) CLAHE 기반 명암 및 깊이 영상 융합: CLAHE 처리된 영상은 명암 대비가 높아지며, 객체 경계의 시각적 특성이 부각되는 효과가 있다. 본 연구에서는 이러한 특성을 활용하여 CLAHE가 적용된 명암 영상과 원본 깊이 영상 간의 융합(Fusion)을 시도하였다. 융합은 동일한 가중치(50:50)로 수행되었으며, 융합 영상은 네트워크 입력의 다양성을 확보하고 경계 기반 손실 함수 학습에 긍정적인 영향을 주도록 구성되었다([Fig. 6] 참조). 실험 결과, CLAHE 단독 적용 시에 비해 융합 적용 시 경계 정확도(Edge IoU)가 약 9.2% 감소(0.2617 → 0.2374), PSNR 또한 10.88 dB로 하락하는 단점이 나타났으나, 반대로 저텍스처 영역에서의 구조적 정보 보존 측면에서는 향상된 효과를 확인할 수 있었다. 이는 깊이 정보가 희박하거나 경계가 모호한 구간에서 CLAHE 기반 영상이 학습에 유의미한 정보를 제공함을 시사한다.
(3) 반전 채도 기반 객체 강조 기법: 추가적으로, 본 연구에서는 합성 영상과 반전 채도 영상을 요소별 곱 연산을 수행하여 최종 영상을 생성하는 기법을 적용하였다. 반전 채도 기법을 활용할 경우 Edge IoU 12.3% 향상 효과가 있었으며, 특히 Grid Size 8×8에서 가장 높은 성능(Edge IoU 0.3105, PSNR 12.43 dB)을 기록하였다.

반전 채도 기법은 다음과 같은 효과를 가진다:

• ∙ 색 정보가 적은 영역(채도가 낮은 부분)이 강조되어 객체의 경계를 더욱 뚜렷하게 표현한다.
• ∙ 색 정보가 많은 영역(채도가 높은 부분)은 억제되어 불필요한 색상 변화의 영향을 최소화한다.

실험 결과, Grid Size 8×8에서 CLAHE + Fusion + 반전 채도 기법을 적용한 경우 가장 높은 Edge IoU (0.3105)와 PSNR (12.43 dB) 성능을 기록하였다. 이는 객체 경계 보존 및 깊이 맵 품질 향상에 효과적임을 입증한다[Table 1].

Depth Anything v2는 단일 이미지에서의 깊이 추정의 성능을 개선하기 위해 기본 손실함수로 SiLogLoss (Scale-Invariant Logarithmic Loss) 를 채택하고 있다. 해당 손실함수는 예측깊이와 실제 깊이 사이의 로그 차이를 기반으로 하며, 다음과 같이 정의된다:

여기서 D_i는 GT 깊이, D^i는 예측 깊이, n은 유효 픽셀 수이다. SiLogLoss는 스케일 불일치 문제를 보완하는 데 효과적이나, 이미지 전 영역에 동일한 중요도를 부여하여 객체 경계 영역에서의 정밀한 깊이 추정을 반영하지 못하는 한계가 있다. 특히 TUM RGB-D^[13]와 같은 실내 환경에서는 물체 간 경계가 중요한 정보로 작용함에도 불구하고, 경계 인식이 부족해 깊이 예측이 흐릿해지는 문제가 발생한다. 이는 VSLAM의 특징점 정합 실패로 이어질 수 있으며, 전체적인 위치 추정 정확도에도 부정적인 영향을 준다.

본 연구에서는 객체의 경계 인식 성능 향상을 위해 Edge-Aware Loss를 도입하였다. 이 손실 함수는 Canny Edge Detector로 생성된 마스크를 활용하여, 경계 영역에 한해 L1 손실을 강조적으로 적용하는 방식이다. 전체 손실 함수는 다음과 같이 구성된다:

(1) Edge-Aware Loss

여기서 L_SiLog는 Depth anything v2^[9]에서 사용하는 기본 손실 (Scale-Invariant Log RMSE)함수를 나타내며, λ_edge​ 는 엣지 손실 가중치 하이퍼파라미터 (λ_edge = 0.1)이다. w_edge는 엣지 영역 내 손실의 비중을 조절하는 가중치 (w_edge = 2.0)이며, L_edge 는 엣지 영역에서의 L1 손실을 의미한다.

(2) 엣지 마스크 생성 방법: 엣지 마스크는 Canny 엣지 검출기를 이용하여 이미지에서 객체 경계를 검출하고, 엣지 영역을 마스크로 변환하여 깊이 손실 계산 시 반영한다.

여기서 I 는 입력 이미지,T₁, T₂는 Canny 엣지 검출 임계값 (T₁ = 100, T₂ = 200)을 의미하며, M_edge는 엣지 마스크로서 엣지 픽셀은 1, 나머지 비엣지 픽셀은 0으로 표시된다.

(3) Loss 계산 방식: 엣지 마스크를 적용하여 엣지 영역에서만 깊이 오차를 계산하고, 해당 손실에 가중치를 곱하여 최종 손실을 계산한다.

여기서, D_pred은 모델이 예측한 깊이 맵, D_gt는 Ground Truth 깊이 맵, M_edge는 엣지 영역 마스크를 의미한다.

(4) Bilateral Filtering을 활용한 데이터 보정: 엣지 감지 기반 손실과 함께, 이미지의 노이즈를 줄이면서도 객체 경계를 유지하는 Bilateral Filtering을 적용하였다. Bilateral Filtering은 공간적 거리와 색상 차이에 따라 가중치를 조정하여 필터링을 수행하는 방식이다.

이때, Ip′는 픽셀 p의 필터링 된 값, I_q는 주변 픽셀 q의 값,f_s(∥p - q∥)는 공간 거리 가우시안 가중치, f_r(|I_p - I_q|)는 색상 차이 가우시안 가중치를 의미한다. N(p)는 픽셀 𝑝의 이웃 픽셀들을 의미한다.

30% 확률로 Bilateral Filtering을 적용하여 모델이 다양한 데이터에 노출되도록 구성하였다. 이는 조명 변화나 노이즈가 있는 데이터에서도 객체 경계를 유지하며 깊이 추정이 가능하도록 보정한다.

본 연구에서는 Edge-Aware Loss 및 Bilateral Filtering 적용 여부에 따른 Depth Anything v2^[2]의 성능을 비교하였으며, 결과는 [Table 2]에 있다. 실험에는 TUM 데이터셋^[13]을 활용하였으며, RMSE (Root Mean Squared Error), tRMSE(경계 지역 RMSE), Edge IoU (Intersection over Union)를 주요 성능 지표로 설정하였다. 실험 결과, SiLogLoss 단독 적용 시 RMSE = 4.41 m, tRMSE = 5.98 m로 높은 값을 기록한 반면, SiLogLoss + Edge Loss + Bilateral Filtering 적용 후 RMSE는 0.39 m, tRMSE는 0.64 m로 약 10배 이상 개선되었다. 이는 경계 영역에서 깊이 추정이 더욱 정확해졌음을 의미한다. 또한, Edge IoU 측면에서도 SiLogLoss 단독 적용 시 0.0029에서 Edge Loss + Bilateral Filtering 추가 적용 시 0.0269로 약 9배 향상되어, 객체 경계에서의 깊이 추정 정확도가 크게 개선되었음을 확인하였다.

ORB-SLAM3^[1]는 전통적인 SOTA VSLAM 시스템 중 하나로, ORB (Oriented FAST and Rotated BRIEF) 특징점을 기반으로 실시간 동작이 가능하다. 단안, 스테레오, RGB-D 방식을 모두 지원하며, IMU 센서 데이터를 활용한 Visual-Inertial SLAM도 가능하다. 주요 구성요소는 다음과 같다:

• ∙ 트래킹: 특징점을 추출하고, 초기화를 수행하여 현재 프레임과의 관계를 추정
• ∙ 로컬 맵핑: 키프레임 간의 관계를 정리하고, 포인트 클라우드를 업데이트
• ∙ 루프 클로징: 루프 감지 및 최적화를 수행하여 드리프트문제를 보정
• ∙ 백엔드 최적화: 그래프 기반 최적화를 통해 전체 맵 정합

이 때, 단안 ORB SLAM에서는 깊이 정보가 중요하다. 깊이 정보가 없을 경우 스케일 문제를 일으켜 정확도가 낮아진다. 깊이 정보를 활용하기 위해 MDE 모델을 사용한다면, 다음과 같은 문제점이 발생한다.

• ∙ 깊이 예측 오차: 대부분의 MDE 모델이 상대적 깊이만 예측하여, 절대 깊이 정보 활용이 어렵다.
• ∙ 계산 비용 문제: MDE 모델이 매 프레임마다 깊이를 예측할 경우, 실시간 처리 속도가 저하된다.
• ∙ 깊이 맵 노이즈 및 불완전성: 기존 깊이 맵은 센서 노이즈 또는 MDE 모델의 학습 한계로 인해 불완전한 깊이 값을 포함할 가능성이 크다.

(1) 초기화 단계에서 깊이 정보 보정

단안 VSLAM의 초기화 과정에서는 깊이 정보 부족으로 인해 스케일 모호성 문제가 발생한다. 기존 ORB-SLAM3에서는 충분한 병진 운동이 필요하며, 초기 프레임에서 움직임이 부족하면 초기화 실패 가능성이 높아진다. 이를 해결하기 위해, 본 연구에서는 MDE 모델을 활용하여 초기화 단계에서 깊이 정보를 보정하는 방법을 적용하였다:

• ∙ 초기 프레임에서 MDE 기반 깊이 맵을 활용하여 ORB-SLAM3의 초기화 성공률을 향상시킨다.
• ∙ 예측된 깊이 정보를 바탕으로 특징점의 초기 3D 위치를 보정한다.

이러한 접근법을 통해, ORB-SLAM3의 초기화 과정에서 발생하는 깊이 추정 오차를 줄이고, 초기 키프레임의 안정성을 향상시킬 수 있다.

(2) 키프레임 생성 단계에서 깊이 정보 보정

ORB-SLAM3는 일정 조건을 만족하는 프레임을 키프레임으로 설정하여 맵을 지속적으로 갱신한다. 그러나 기존 단안 VSLAM에서는 키프레임 생성 시 깊이 정보를 활용하지 않기 때문에 깊이 추정 오차가 누적될 가능성이 높다.

본 연구에서는 MDE 모델을 활용하여 키프레임 생성 과정에서 깊이 정보를 보정하는 방법을 적용하였다. 또한, MDE 결과 제작된 깊이 정보는 불확실한 정보를 가지고 있기에 삼각측량을 통해 깊이 값을 보정해준다:

• ∙ MDE 기반 깊이맵 적용: ORB-SLAM3에서 키프레임을 생성할 때, MDE 기반 깊이 정보를 활용하여 특징점의 깊이 값을 보정한다.
• ∙ 키프레임 깊이 보정 방법: ORB-SLAM3의 삼각측량 결과와 MDE 기반 깊이 맵을 조합하여 보다 정확한 깊이 값을 제공한다.

(3) 루프 클로징 시 깊이 정합 최적화

본 연구에서 제안한 기법을 적용함으로써 ORB-SLAM3의 루프 클로징 시 스케일 드리프트를 최소화하고, 보다 정밀한 3D 맵을 생성할 수 있도록 하였다. 기존 단안 ORB-SLAM3에서 발생하는 스케일 불일치 문제를 MDE 기반 깊이 보정을 통해 해결하였으며, 깊이 필터링 및 키프레임 선택 최적화를 통해 맵의 정합도를 개선하였다.

본 연구에서는 맵 보정 기법이 깊이 추정 성능에 미치는 영향을 분석하였다. [Table 4]는 Non-refined Depth Map과 Refined Depth Map 간의 정량적 성능 비교 결과를 보여준다. fr1_desk 시퀀스에서 Refine 기법 적용 시 RMSE는 37.43 m에서 34.25 m로 8.5% 감소하였고, Abs Rel과 SiLog도 각각 6.41 → 5.87, 0.41 → 0.34로 개선되었다. fr2_xyz 시퀀스에서는 RMSE가 70.3% 감소(40.85 → 12.13), Abs Rel은 6.98 → 1.83로 개선되었다. 특히, fr3_nt_t_f 시퀀스에서는 RMSE가 33.48 → 7.58로 77.3% 감소, fr3_nt_t_n 시퀀스에서는 37.29 → 12.41로 66.7% 감소하였다. 전반적으로 Refine 기법은 다양한 환경에서 깊이 추정 정확도를 효과적으로 향상시키는 것을 확인할 수 있다.

CLAHE 및 채도 반전 기반 이미지 증강 기법을 적용하여 깊이 추정 성능을 평가하였다. [Table 5]는 다양한 증강 기법이 성능에 미치는 영향을 보여준다. 기본 Depth Anything v2 모델은 RMSE 22.06 m로 높은 오차를 보였으나, CLAHE 적용 시 RMSE가 3.23 m로 85.4% 감소하였다. 반면, 명암 깊이 융합만 추가했을 경우 RMSE가 다소 증가하였다. 기법을 모두 적용한 최종 모델은 RMSE 1.96 m, Abs Rel 0.21, SiLog 0.055로 가장 우수한 결과를 나타냈다. Edge IoU도 0.025로 크게 향상되어, 객체 경계 표현력이 향상되었음을 확인할 수 있다.

제안한 KeyFrame 기반 MDE 방식의 실시간 처리 성능을 검증하기 위해, 모든 프레임에 MDE를 적용한 경우와 KeyFrame에만 적용한 경우를 비교하였다. [Table 6]은 두 방식의 평균 처리 속도(FPS)와 깊이 추정 정확도(RMSE)를 나타낸다. 모든 프레임에 MDE를 적용한 경우 FPS는 7.3으로 실시간 처리에는 적합하지 않았다. 반면, KeyFrame에만 적용한 경우 23.4 FPS, 초기화+KeyFrame 방식은 18.8 FPS로 실시간 처리에 충분한 성능을 보였다. 또한 , RMSE 역시 각각 0.11 m와 0.02 m로 매우 높은 정확도를 유지하였다. 특히 ATE 기준 정확도 저하는 모든 프레임 방식 대비 6.8% 수준에 불과하여, 제안 방식이 실시간성과 정확도 간의 우수한 균형을 달성함을 확인할 수 있었다. [Fig. 7]은 ATE 결과를 시각적으로 보여준다.

[Fig. 7] 
ORB-SLAM3 MDE with initial, KeyFrame, Initial+ KeyFrame

제안된 방법의 성능을 기존 최신 SLAM 연구들과 비교하여 평가하였다. [Table 7]은 일반적인 시퀀스(fr1_desk, fr2_xyz, fr3_office)에 대한 RMSE 비교 결과를, [Table 8]은 텍스처 및 조명 변화가 심한 시퀀스(fr3_nt_t_f, fr3_nt_t_n, fr3_t_nt_f, fr3_t_nt_n)에 대한 비교 결과를 보여준다. 일반 시퀀스 RMSE 비교 결과([Table 7])를 보면, 제안된 방법은 대부분의 시퀀스에서 기존 방법보다 우수한 성능을 기록하였다. 예를 들어, fr1_desk 시퀀스에서는 UDGS SLAM^[12] 대비 20% 이상, fr3_office 시퀀스에서는 DROID SLAM^[3] 대비 약 17.3% 낮은 RMSE를 기록하였다. 특히 Mono 기반 ORB-SLAM^[1] 대비 4~5배 수준의 정확도 향상을 보였다. 또한, 텍스처 및 조명 변화 시퀀스 성능 비교([Table 8])에서는, 제안된 방법이 RGB-D SLAM 수준의 RMSE 성능(0.04 m 내외)을 유지하며 강인한 성능을 보였다. fr3_nt_t_f 시퀀스에서는 ORB-SLAM (Mono) 대비 RMSE가 0.8532 m → 0.0443 m, fr3_nt_t_n 시퀀스는 0.4735 m → 0.0454 m, fr3_t_nt_f는 0.9042 m → 0.0512 m, fr3_t_nt_n는 0.6935 m → 0.0565 m로 각각 90% 이상 개선된 성능을 보였다.

[Table 6]에 나타난 바와 같이, 제안된 방법은 실시간 처리 성능 측면에서도 기존 방법보다 우수한 결과를 보였다. ORB-SLAM (Mono)는 평균 FPS는 34.8 FPS로 높으나 RMSE가 0.44로 비교적 높은 오차를 보였고, DROID SLAM^[3]은 RMSE는 낮지만 FPS가 2.5에 불과하여 실시간성이 떨어졌다. UDGS SLAM^[12] 역시 평균 FPS는 3.2 FPS 수준에 머물렀다.

반면, 본 논문의 초기화+KeyFrame 기반 방법은 18.8 FPS, RMSE 0.02 m로 실시간성과 정확도를 모두 만족시키는 최적의 성능을 보였다. 특히 [12] 논문과 동일한 방식(MDE 기반 깊이 지도 활용)을 적용할 경우에도, 해당 연구의 실시간 성능은 3.2 FPS에 불과하다는 점에서 제안 방법의 우수성이 더욱 강조된다.