CoVOR-SLAM：基于视觉里程计与测距的多机器人系统协同 SLAM

机器人集群相较单个机器人具有优势，因为它可更快速地探索更大区域，并且对单点故障更具鲁棒性。成功的协同任务执行需要准确的相对定位以避免碰撞。当使用视觉同步定位与建图（VSLAM）估计每个机器人的位姿时，广泛采用智能体间闭环来减小相对定位误差。该技术利用不同机器人共同观测到的特征点来抑制误差。然而，检测智能体间闭环并处理多智能体传输的数据需要大量的计算和通信能力。本文中，我们提出使用视觉里程计与测距测量的协同 SLAM（CoVOR-SLAM）来克服这一挑战。在 CoVOR-SLAM 框架中，机器人仅需交换位姿估计、估计的协方差（不确定性）以及机器人间的测距测量。由于 CoVOR-SLAM 不需要关联不同智能体观测到的视觉特征与地图点，计算和通信负载显著降低。所需测距测量可利用通信系统的导频信号获得，无需复杂的额外基础设施。我们使用真实图像以及两台漫游车获取的真实超宽带测距对 CoVOR-SLAM 进行了测试。此外，利用公开图像数据集和真实感仿真生成的测距，在更大规模多智能体设置下对 CoVOR-SLAM 进行了评估。结果表明，CoVOR-SLAM 能准确估计机器人位姿，且所需计算能力和通信能力远少于智能体间闭环技术。