IPC：用于 SLAM 后端的基于增量概率共识的一致集最大化方法
机器人学
2024-08-19 v2
摘要
在 SLAM（同时定位与建图）问题中，位姿图优化（PGO）是一种根据一组成对相对测量来精化一组位姿（位置和朝向）初始估计的技术。即使存在单个离群测量，优化过程也可能受到负面影响，并可能产生灾难性且无意义的结果。尽管近期关于鲁棒优化的工作旨在减轻离群测量的影响，但能够处理大量离群测量的鲁棒解决方案仍有待提出。本文提出了 IPC（增量概率共识，Incremental Probabilistic Consensus 的缩写），这是一种以增量方式近似求解寻找最大一致测量集这一组合问题的方法。它通过基于共识的过程评估每个回环闭合测量的一致性，该过程可能应用于全局问题的某个子集，其中所有先前整合的内点测量均具有否决权。我们在标准基准上对 IPC 与几种最先进的方法进行了评估。尽管 IPC 简单且相对易于实现，但它在处理离群点方面可与其它受测方法媲美或表现更优，同时提供在线性能。我们随本文发布了所提方法的开源实现。
引用
@article{arxiv.2405.08503,
title = {IPC: Incremental Probabilistic Consensus-based Consistent Set Maximization for SLAM Backends},
author = {Emilio Olivastri and Alberto Pretto},
journal= {arXiv preprint arXiv:2405.08503},
year = {2024}
}
备注
This paper has been accepted for publication at the 2024 IEEE International Conference on Robotics and Automation (ICRA)