平行连续时间相对局部化 with 增强夹切非均匀 B 样条

准确的相对局部化对多机器人协作至关重要。在机器人群集中，来自不同机器人的测量以异步方式到达并伴随时钟偏移。虽然连续时间（CT）方法在处理单机器人 SLAM 和校准中的异步测量方面已证明有效，但将 CT 方法扩展到多机器人场景面临实现高精度、低延迟和高频性能的巨大挑战。特别是，现有的 CT 方法受制于夹切 B 样条查询时间延迟的天然缺陷以及高计算成本。本文提出了 CT-RIO，即一种新的连续时间相对惯性定位框架。我们首次采用夹切非均匀 B 样条（C-NUBS）来表示机器人状态，从而消除查询时间延迟。我们进一步通过闭式扩展和收缩操作增强 C-NUBS，这些操作保留样条形状，使其适用于在线估计并实现灵活的节点管理。这种灵活性导致了节点-关键节点策略的概念，支持在高频下进行样条扩展，同时保留稀疏关键节点以实现自适应相对运动建模。我们随后构建了一个仅基于相对运动学和机器人间约束的滑动窗口相对定位问题。为满足群集规模下的苛刻计算要求，我们将紧耦合优化分解为机器人级子问题，并使用增量异步块坐标下降法并行求解。广泛的实验表明，CT-RIO 能在时钟偏移达 263 毫秒时仍能在 3 秒内收敛至亚毫秒水平，RMSE 分别为 0.046 米和 1.8 度。它在高速运动下 consistently 超过最新方法，提升幅度可达 60%。