SKiD-SLAM：面向资源受限现场环境的鲁棒、轻量化分布式多机器人激光 SLAM

分布式激光 SLAM 对实现机器人自主性和提升映射规模性至关重要。然而，在现场环境中应用时需考虑两个问题：其一是资源限制，当数据规模超过网络或内存的处理能力时尤其适用于通信系统或 onboard 计算机；其二是机器人间/内关联问题，由于视角差异导致 ICP 收敛区域狭窄，引发大量误正的闭环，最终导致多机器人系统的全局地图不一致。为解决这些问题，我们提出一种面向通用现场应用的分布式激光 SLAM 框架，称为 SKiD-SLAM。我们在此之前仅关注轻量级地点识别和快速稳健全局配准的工作基础上，提出多机器人映射框架，专注于分布式激光 SLAM 中稳健且轻量级的机器人间闭环检测。通过各种环境实验，我们展示该方法在鲁棒性和轻量级方面优于其他最先进的分布式 SLAM 方法，克服了资源限制和机器人间/内关联问题。我们还通过在真实世界行星仿真地形和洞穴环境中的映射实验验证了该方法的现场适用性，这些数据集均为内部制作。我们的代码将在 https://sparolab.github.io/research/skid_slam/ 上提供。