基于视觉SLAM的多机器人协作地图构建

针对多机器人协作建图算法复杂度高、实时性差和稀疏点云地图信息量少的问题,提出一种基于视觉SLAM的多机器人协作地图构建算法。该算法选择一个机器人开始建图,其他参与协作的机器人共用被选机器人的图像帧进行初始化,并建立统一世界坐标系。在被选机器人建图过程中,激活与其存在共视关系的机器人,借助关键帧跟踪模型得到被激活机器人所建局部地图与世界坐标系间的位姿关系,并用ICP算法求解该位姿变换。最后根据该位姿变换进行点云拼接再经滤波处理得到多机器人稠密点云融合地图。在Gazebo上的仿真实验表明,与ORB-SLAM2相比,基于ORB-SLAM3的多机器人协作建图算法具有更高的定位精度,更好的稳定性、鲁棒性和实时性。

多机器人协作SLAM的实时地图融合研究

针对单机器人同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)算法构图效率低的问题,设计了基于ORB-SLAM3的多机器人协作SLAM的实时融合方案。首先,向两个SLAM进程输入相同的关键帧并以此帧所在位姿为世界坐标系完成初始化,然后各机器人以此坐标系为基础完成定位于建图,同时将地图汇总融合完成任务。此方案避开了传统地图融合问题中特征匹配与位姿估计的技术难点。在Gazebo仿真环境进行测试实验,验证了方案的有效性、实时性和鲁棒性。