位姿图SLAM中错误路标边检测的最小代价多割方法
机器人学
2022-03-08 v1
摘要
位姿图SLAM是从视觉机器人导航过程中相对观测与运动的多时段经验构建大规模地图的事实标准框架。在图神经SLAM等近期先进SLAM框架背景下，它受到越来越多的关注。一个尚存的挑战是路标误识别错误（即错误的路标边），其可能对推断出的位姿图地图产生灾难性影响。在本研究中，我们提出利用一种新的鲁棒图割技术来最大化位姿图全局一致性的综合准则。我们的核心思想是将该问题表述为最小代价多割（minimum-cost multi-cut），使我们不仅能够优化路标对应关系，还能在允许路标数量变化的情况下优化路标数量。这使得我们提出的方法对路标测量类型、图拓扑以及度量信息（如机器人运动速度）保持不变性。所提出的图割技术被集成到一个实用的SLAM框架中，并使用公开NCLT数据集进行了实验验证。
引用
@article{arxiv.2203.02887,
title = {Minimum Cost Multicuts for Incorrect Landmark Edge Detection in Pose-graph SLAM},
author = {Kazushi Aiba and Kanji Tanaka and Ryogo Yamamoto},
journal= {arXiv preprint arXiv:2203.02887},
year = {2022}
}
备注
5 pages, 5 figures, technical report