一种受脑启发的紧凑认知建图系统

随着机器人在环境中探索，在同时定位与建图（SLAM）系统中地图随时间不断增长，尤其是在大规模环境中。不断增长的地图阻碍了长期建图。本文受神经生物学实验启发，开发了一种紧凑认知建图方法。受邻里细胞启发，提出由运动信息（即平移与旋转）确定的邻里场，用以描述已探索环境中不同的片段之一。运动信息低于邻里场阈值的顶点与边避免加入认知地图。认知地图的优化被表述为一个鲁棒非线性最小二乘问题，可作为一般问题由快速开源线性求解器高效求解。根据对熟悉环境的认知决策，回环边按时间间隔聚类，随后应用并行计算对认知地图执行批量全局优化，以保证计算效率与实时性。回环处理之后进行场景整合，其中被重访的顶点随后被移除，以进一步缩减认知地图规模。开发了一个单目视觉SLAM系统，在类鼠迷宫环境中测试我们的方法。结果表明，该方法大幅限制了认知地图规模随时间的增长，同时紧凑认知地图如标准地图一样正确表示了环境的整体层。实验证明，我们的方法非常适用于紧凑认知建图以支持机器人长期建图。我们的方法简单，但在实现紧凑认知地图方面实用且高效。