数据高效的协同分散式热惯导里程计
机器人学
2022-09-15 v1 计算机视觉与模式识别
摘要
我们提出一种系统方案，利用热图像与惯性测量为飞行机器人团队实现数据高效的分散式状态估计。每个机器人可独立飞行，并在可能时交换数据以优化其状态估计。我们的系统前端应用在线光度校准来细化热图像，从而增强特征跟踪与地点识别。系统后端采用协方差交叉融合策略以忽略智能体间的互相关，从而降低内存占用与计算成本。通信管道使用局部聚合描述子向量（Vector of Locally Aggregated Descriptors, VLAD）构建一种低带宽需求的请求-响应策略。我们在合成与真实世界数据上测试了协同方法。结果表明，相较于单智能体方法，所提方法将轨迹估计提升至多46%，同时将通信交换减少至多89%。数据集与代码已公开，扩展了已有的公开JPL xVIO库。
引用
@article{arxiv.2209.06588,
title = {Data-Efficient Collaborative Decentralized Thermal-Inertial Odometry},
author = {Vincenzo Polizzi and Robert Hewitt and Javier Hidalgo-Carrió and Jeff Delaune and Davide Scaramuzza},
journal= {arXiv preprint arXiv:2209.06588},
year = {2022}
}
备注
8 pages, 8 figures