鲁棒 SLAM 系统：我们准备好了吗？
机器人学
2021-09-28 v1
摘要
过去十年的进展使 SLAM 系统的精度与速度得到显著改善，拓展了其建图能力。尽管有这些进步，长期运行仍是一项主要挑战，主要由于机器人系统可能遇到的扰动种类繁多。提升 SLAM 算法的鲁棒性是一项持续的努力，然而其通常针对特定扰动。跨越大量挑战性场景的鲁棒性泛化尚未被充分研究或理解。本文对开源最先进 SLAM 算法在诸如快速运动、非均匀光照和动态场景等挑战性条件下的鲁棒性进行了系统评估。实验在彼此独立的扰动下，以及在无约束环境（终身运行）中长期部署设置下的组合扰动中进行。
引用
@article{arxiv.2109.13160,
title = {Robust SLAM Systems: Are We There Yet?},
author = {Mihai Bujanca and Xuesong Shi and Matthew Spear and Pengpeng Zhao and Barry Lennox and Mikel Lujan},
journal= {arXiv preprint arXiv:2109.13160},
year = {2021}
}
备注
IROS 2021