通信受限下基于云的实时长期视觉定位
机器人学
2019-03-12 v1
摘要
视觉定位是移动机器人的基本能力之一。实时长期视觉定位尤其具有挑战性，其中要求机器人利用视觉数据高效定位自身，而外观可能随时间显著变化。本文中，我们提出一种面向实时长期定位的基于云的视觉定位系统。在机器人端，我们采用两个估计器以实现准确且实时的性能。其一是基于滑动窗口的视觉惯性里程计，它融合来自连续观测与自身运动测量的约束，以及云端定位所引入的约束。该估计器构建局部视觉子地图作为虚拟观测，随后作为新的定位约束发送至云端。其二是延迟状态扩展卡尔曼滤波器，用于融合来自云端的机器人定位位姿、局部里程计与高频惯性测量。在云端，我们提出一种基于更长滑动窗口的定位方法，以聚合虚拟观测获得更大视场，从而增强虚拟观测与地图间对齐的鲁棒性。在此架构下，机器人即便在带宽有限、高延迟且存在丢包的网络中，也能利用机载资源实现无漂移的实时定位，从而支持真实环境中的自主导航。我们在具有挑战性的季节与光照变化的数据集上评估了系统的有效性，并进一步验证了系统在严苛网络条件下的鲁棒性。
引用
@article{arxiv.1903.03968,
title = {Communication constrained cloud-based long-term visual localization in real time},
author = {Xiaqing Ding and Yue Wang and Li Tang and Huan Yin and Rong Xiong},
journal= {arXiv preprint arXiv:1903.03968},
year = {2019}
}