基于k-一致超图最大团的一致测量集分组-k最大化用于鲁棒多机器人地图合并

本文统一了同步定位与建图框架下用于鲁棒离群点检测的一致集最大化理论。我们首先描述两两一致性概念，再讨论如何通过评估测量对的一致性来构建一致性图。寻找最大一致测量集被转化为最大团问题实例，可利用现有最大团求解器较快求解。随后我们将算法推广至分组-k一致性检验，采用广义一致性概念与广义图。我们还给出作用于广义图上的改进最大团算法，以寻找内部分组-k一致测量集。我们处理分组-k一致性的指数级特性，并提出可大幅减少一致性评估时必要检验次数的方法。我们将先前工作扩展至仿真与硬件多智能体系统，并与其他SOTA方法进行比较。