基于混合共识优化的歧义感知物体 SLAM
机器人学
2021-09-09 v2
摘要
构建物体级地图可促进机器人与环境的交互（如规划与操控），但由于对称性、遮挡或感知失败，物体从单一视角观察时往往具有多个可能的位姿。一个鲁棒的物体级同步定位与建图（物体 SLAM）算法需要感知这种位姿歧义。我们提议维护并随后消歧多个位姿解释，以逐步恢复全局一致的世界表示。应用 max-mixtures 模型隐式且高效地跟踪所有位姿假设，但所得公式非凸，因此易受局部最优影响。为缓解该问题，提取时间一致的假设，引导优化进入全局最优。该共识引导的推断方法通过增量式 SLAM 框架 iSAM2 中的路标变量重初始化在线应用，以实现鲁棒的实时性能。我们证明该方法在具有位姿歧义的模拟与真实物体 SLAM 问题上均提升了 SLAM 性能。
引用
@article{arxiv.2107.09265,
title = {Consensus-Informed Optimization Over Mixtures for Ambiguity-Aware Object SLAM},
author = {Ziqi Lu and Qiangqiang Huang and Kevin Doherty and John Leonard},
journal= {arXiv preprint arXiv:2107.09265},
year = {2021}
}