RHAML：基于会合的层次化互定位架构
机器人学
2024-05-21 v1
摘要
互定位是多机器人系统中协同感知和任务分配的基础。有效利用有限的机载传感器实现无标记机器人之间的互定位是一个有价值的目标。然而，由于对观测机器人的大尺度变化和定位精化考虑不足，先前工作在仅配备RGB相机时精度有限。为提升定位精度，本文提出一种新颖的基于会合的层次化互定位架构（RHAML）。首先，为学习多尺度机器人特征，在网络中引入各向异性卷积，得到初始定位结果。然后，采用带渲染的迭代精化模块调整观测机器人位姿。最后，进行位姿图全局优化所有定位结果，考虑多帧观测。因此，提供了一种灵活的架构，可根据需求选择适当模块。仿真表明，RHAML有效解决了多机器人互定位问题，在机器人深度变化5米时，平移误差低于2厘米，旋转误差低于0.5度。此外，通过将其应用于多机器人探索未知环境时的地图融合，验证了其实用性。
引用
@article{arxiv.2405.11726,
title = {RHAML: Rendezvous-based Hierarchical Architecture for Mutual Localization},
author = {Gaoming Chen and Kun Song and Xiang Xu and Wenhang Liu and Zhenhua Xiong},
journal= {arXiv preprint arXiv:2405.11726},
year = {2024}
}
备注
8 pages, 8 figures, submitted to RA-L