用于水下基于声纳SLAM的俯瞰图像因子
机器人学
2022-02-14 v1
摘要
同步定位与建图(SLAM)是任何自主水下航行器(AUV)的关键能力。然而，在使用低成本传感器时，鲁棒、准确的状态估计仍是一项进行中的工作。我们提出利用广泛可用且常免费的先验信息——俯瞰 imagery(俯瞰图像)，来增强典型的低成本传感器套件。给定AUV的声纳图像与部分重叠、具全局参考的俯瞰图像，我们提出使用卷积神经网络(CNN)生成合成俯瞰图像，预测声纳图像内容的地表以上外观。随后我们利用该合成俯瞰图像将观测配准到所提供的全局俯瞰图像。一旦配准，该变换即作为因子引入位姿SLAM因子图。我们使用最先进的仿真环境在一系列基准轨迹上进行验证，并定量展示了所提方法对机器人状态估计精度的提升。我们还展示了来自真实AUV现场部署的定性结果。视频附件：https://youtu.be/_uWljtp58ks
引用
@article{arxiv.2202.05811,
title = {Overhead Image Factors for Underwater Sonar-based SLAM},
author = {John McConnell and Fanfei Chen and Brendan Englot},
journal= {arXiv preprint arXiv:2202.05811},
year = {2022}
}
备注
To appear in RA-L 2022 and presented at ICRA 2022