LAMP：面向感知退化地下环境探索的大规模自主建图与定位
信号处理
2020-03-09 v2 机器人学
摘要
在大规模、未知且复杂的地下环境中进行同步定位与建图（SLAM）是一项具有挑战性的问题。传感器必须在非标称条件下工作；不平且湿滑的地形使轮式里程计不准确，而缺乏显著特征的长走廊使外部感知模糊并易于漂移；最后，在具有重复外观的环境（如隧道和矿井）中频繁出现的虚假回环闭合可能导致整张地图的严重畸变。这些挑战与构建高精度三维地图以支持从灾害响应到地下地外世界探索等广泛应用的需求形成鲜明对比。本文报道了在 DARPA 地下挑战赛背景下开发的基于激光雷达的多机器人 SLAM 系统的实现与测试。我们提出了一种增强地下作业的系统架构，包括精确的基于激光雷达的前端，以及可自动剔除异常回环闭合的灵活且鲁棒的后端。我们在大规模、极具挑战性的地下环境中进行了广泛评估，包括在 DARPA 地下挑战赛隧道赛段中获得的结果。最后，我们讨论了潜在的改进、现有技术的局限性以及未来的研究方向。
引用
@article{arxiv.2003.01744,
title = {LAMP: Large-Scale Autonomous Mapping and Positioning for Exploration of Perceptually-Degraded Subterranean Environments},
author = {Kamak Ebadi and Yun Chang and Matteo Palieri and Alex Stephens and Alex Hatteland and Eric Heiden and Abhishek Thakur and Nobuhiro Funabiki and Benjamin Morrell and Sally Wood and Luca Carlone and Ali-akbar Agha-mohammadi},
journal= {arXiv preprint arXiv:2003.01744},
year = {2020}
}