RFM-SLAM: 利用相对特征测量分离SLAM中的方向与位置估计
机器人学
2016-09-20 v1 系统与控制
摘要
SLAM问题具有一个特殊性质：当机器人方向已知时，估计机器人位姿历史和特征位置可以转化为标准线性最小二乘问题。本工作中，我们开发了一个SLAM框架，利用相对特征-特征测量来利用SLAM的这一结构性质。相对特征测量被用来构建位姿间方向约束的线性估计问题。随后通过求解一个迭代非线性流形优化问题来计算给定相对旋转约束下机器人方向的最大似然估计。一旦机器人方向被计算出来，我们求解一个关于机器人位置和地图估计的线性问题。与基于特征的标准图方法相比，我们的方法通过构建一个更小的优化问题来降低非线性优化的计算负担。此外，实验结果表明，我们的方法避免了现有方法因使用里程计作为非线性优化初始猜测而产生的灾难性失效，且其精度随传感器噪声增加而平滑退化。我们通过大量仿真和与现有最先进求解器的比较来验证我们的方法。
引用
@article{arxiv.1609.05235,
title = {RFM-SLAM: Exploiting Relative Feature Measurements to Separate Orientation and Position Estimation in SLAM},
author = {Saurav Agarwal and Vikram Shree and Suman Chakravorty},
journal= {arXiv preprint arXiv:1609.05235},
year = {2016}
}
备注
9 pages, submitted to IEEE ICRA 2017