COVINS-G：一种用于协作视觉-惯性 SLAM 的通用后端
机器人学
2023-05-08 v3 计算机视觉与模式识别
多智能体系统
摘要
协作 SLAM 是多机器人系统感知的核心，因为它使机器人团队能在公共参考系中协同定位，这对它们之间的任何协调都至关重要。集中式架构范式已确立，机器人（即智能体）机载运行视觉-惯性里程计（VIO），同时将关键帧（KFs）等相关数据传送到中央后端（即服务器），后者随后合并并优化智能体的联合地图。尽管这些框架已被证明成功，其能力和性能高度依赖于 VIO 前端的选择，从而限制了灵活性。在本工作中，我们提出 COVINS-G，一种基于 COVINS 框架构建的通用后端，使服务器后端能与任意 VIO 前端兼容，包括例如带里程计能力的现成相机（如 Realsense T265）。COVINS-G 后端部署了一种多相机相对位姿估计算法来计算回环闭合约束，使系统能纯粹基于 2D 图像数据工作。在实验评估中，我们展示了与当前最优多会话及协作 SLAM 系统相当的精度，同时通过在同一任务中于协作智能体上采用不同前端，证明了我们方法的灵活性与通用性。COVINS-G 代码库以及一种通用前端封装器（允许任何现有 VIO 前端与所提协作后端结合使用）已开源。视频：https://youtu.be/FoJfXCfaYDw
引用
@article{arxiv.2301.07147,
title = {COVINS-G: A Generic Back-end for Collaborative Visual-Inertial SLAM},
author = {Manthan Patel and Marco Karrer and Philipp Bänninger and Margarita Chli},
journal= {arXiv preprint arXiv:2301.07147},
year = {2023}
}
备注
6+1 Pages, 5 Figures, 3 Tables, Accepted at ICRA 2023, London