基于图的具备 SLAM 感知的先验拓扑-度量信息探索
机器人学
2024-07-02 v2
摘要
自主探索要求机器人在使用同步定位与建图（SLAM）技术构建精确地图的同时探索未知环境。若无先验信息，由于规划视野有限，探索性能通常偏保守。本文利用环境的先验信息（表示为拓扑-度量图）来同时提升探索效率与 SLAM 中位姿图的可靠性。基于位姿图可靠性与图拓扑间的关系，我们在先验图上形式化了一个 SLAM 感知的路径规划问题，其寻找一条快速探索路径，并以增强的全局信息性回环闭合动作来稳定 SLAM 位姿图。我们提出一种贪心算法求解该问题，其中推导出理论阈值以显著剪枝非最优回环闭合动作，而不影响潜在信息性动作。此外，我们将所提规划器整合进分层探索框架，具备路径重规划与在线先验图更新等灵活特性，后者向先验图添加额外信息。仿真与真实实验表明，在探索富含拓扑的环境时，相比对比方法，所提方法能可靠地实现更高建图精度，同时保持可比的探索效率。我们的方法已在 GitHub 开源。
引用
@article{arxiv.2308.16522,
title = {Graph-based SLAM-Aware Exploration with Prior Topo-Metric Information},
author = {Ruofei Bai and Hongliang Guo and Wei-Yun Yau and Lihua Xie},
journal= {arXiv preprint arXiv:2308.16522},
year = {2024}
}
备注
8 pages, 6 figures. Accepted by IEEE RA-L for publication