Multi S-Graphs：一种高效的分布式语义-关系协同 SLAM
机器人学
2024-05-24 v2
摘要
协同同时定位与建图 (CSLAM) 对于使多个机器人在复杂环境中操作至关重要。大多数 CSLAM 技术依赖于原始传感器测量或低级特征（如关键帧描述符），由于缺乏对环境的深度理解，这可能导致错误的回环检测。此外，这些测量值和低级特征在机器人之间的交换需要传输大量数据，这限制了系统的可扩展性。为了克服这些限制，我们提出了 Multi S-Graphs，这是一个去中心化的 CSLAM 系统，它利用嵌入在四层分层且可优化的情境图中的高级语义-关系信息，在结构化环境中进行协同地图生成和定位，同时最小化机器人之间交换的信息。为此，我们提出了一种新颖的基于房间的描述符，该描述符连同其连接的墙壁，用于执行机器人间的回环检测，以应对多机器人绑架问题初始化的挑战。在模拟和真实环境中进行的多项实验验证了所提出方法在准确性和鲁棒性方面的提升，同时与其他最先进的方法相比，减少了机器人之间交换的数据量。软件可在 docker 镜像中获取：https://github.com/snt-arg/multi_s_graphs_docker
引用
@article{arxiv.2401.05152,
title = {Multi S-Graphs: An Efficient Distributed Semantic-Relational Collaborative SLAM},
author = {Miguel Fernandez-Cortizas and Hriday Bavle and David Perez-Saura and Jose Luis Sanchez-Lopez and Pascual Campoy and Holger Voos},
journal= {arXiv preprint arXiv:2401.05152},
year = {2024}
}
备注
8 pages paper presented to IEEE RA-L