본 논문은 딥러닝 기반의 시각적 SLAM(Simultaneous Localization and Mapping) 알고리즘의 발전에 따라, 다양한 환경적 과제(동적인 요소, 열악한 조명, 흐릿함 등)에 대한 내성을 평가하는 것이 중요해짐을 강조합니다. 기존의 기하 기반 및 학습 기반 SLAM 알고리즘을 일관된 분류 체계 하에 제시하고, 다양한 환경 조건에서의 성능 평가를 위한 실험적 평가 방법을 제안합니다. 논문은 SLAM 파이프라인의 일반적인 공식화를 소개하고, 기하 기반 및 학습 기반 SLAM 구현을 분류 및 조사하여 향후 시각적 SLAM 구현을 위한 가능성을 제시합니다.
