FRAME：面向以自我为中心的多机器人探索的快速鲁棒自主三维点云地图合并方法
机器人学
2023-11-21 v2 计算机视觉与模式识别
摘要
本文提出了一种用于以自我为中心的异构多机器人探索的三维点云地图合并框架，该框架基于重叠检测与对齐，且不依赖于手动初始猜测或机器人位姿的先验知识。所提出的新方案利用了最先进的地点识别学习描述子，通过框架的主流水线提供快速且鲁棒的局部区域重叠估计，从而消除了三维地图整合中通常所需的耗时全局特征提取与特征匹配过程。该区域重叠估计给出一个齐次刚性变换，作为点云配准算法 Fast-GICP 的初始条件，由后者给出最终精细化对齐。所提框架的有效性基于地下环境中多次现场多机器人探索任务进行了实验评估，其中部署了具有不同传感器配置的地面与空中机器人。
引用
@article{arxiv.2301.09213,
title = {FRAME: Fast and Robust Autonomous 3D point cloud Map-merging for Egocentric multi-robot exploration},
author = {Nikolaos Stathoulopoulos and Anton Koval and Ali-akbar Agha-mohammadi and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2301.09213},
year = {2023}
}
备注
to be published