CAPRICORN：机器人网络中基于可解释物体星座的通信感知地点识别
机器人学
2020-03-27 v2
摘要
使用多机器人探索与建图环境可提升鲁棒性与性能，但实现起来可能较为困难。特别是当机器人需判断其是否访问过另一机器人先前探索过的地点时，有限通信带宽是显著约束，因为这要求机器人共享其访问过的地点描述。压缩该描述的一种方法是使用星座，即对应于一组相对物体位置估计的 3D 点群。星座从不同视角保持相同模式，且对光照变化或动态元素具有鲁棒性。我们提出一种从这些星座中提取场景中物体的紧凑空间与语义描述子的方法。我们在两步去中心化回环检测验证中使用该表示：首先，分发紧凑语义描述子以确定哪些其他机器人可能见过含相似物体的场景；然后向匹配机器人查询完整星座，利用几何信息验证匹配。所提方法所需内存更少，比全局图像描述子更具可解释性，并可能有助于其他任务及与环境的交互。我们在 TUM RGB-D SLAM 序列上验证了系统性能，并展示了其在带宽需求方面的优势。
引用
@article{arxiv.1910.08810,
title = {CAPRICORN: Communication Aware Place Recognition using Interpretable Constellations of Objects in Robot Networks},
author = {Benjamin Ramtoula and Ricardo de Azambuja and Giovanni Beltrame},
journal= {arXiv preprint arXiv:1910.08810},
year = {2020}
}
备注
8 pages, 6 figures, 1 table. 2020 IEEE International Conference on Robotics and Automation (ICRA)