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。

基于激光雷达增强的视觉SLAM多机器人协作地图构建方法的研究

针对光线强度对机器人视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)建图信息量、时效性和鲁棒性影响大的问题,提出一种基于激光雷达(Light Detection And Ranging,LiDAR)增强的视觉SLAM多机器人协作地图构建方法。在地图构建过程中,将LiDAR深度测量值集成到现有的特征点检测和特征描述子同步定位与地图构建(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping,ORB-SLAM3)算法中,利用改进的扩展卡尔曼滤波算法将激光雷达的高精度数据和视觉传感器的时序信息融合在一起,获得单个机器人的位姿状态,结合深度图进行单个机器人稠密点云地图的构建;利用关键帧跟踪模型和迭代最近点(Iterative Closest Point,ICP)算法得到存在共识关系的机器人之间的坐标转换关系,进而得到各机器人的世界坐标系,在世界坐标系中实现多机器人协作地图的融合与构建。在Gazebo仿真平台中实验验证了方法的时效性和鲁棒性。

考虑通信状况的多机器人CSLAM问题综述

多机器人系统的通信状况能够直接影响协作同时定位与地图创建(Cooperative simultaneous localization and mapping,CSLAM)算法的设计和实现.根据对多机器人通信状况所作出假设的侧重点不同,对多机器人CSLAM算法研究现状和进展进行综述.首先,简要介绍了基于完全连通通信条件的集中式CSLAM算法的特点和缺陷;其次,结合多机器人系统初始相对位姿关系未知的情况,从地图配准、数据关联和地图融合等三个方面,对基于通信范围或者带宽受限条件的分布式CSLAM算法的地图合并问题进行了分析和阐述;进而重点对考虑稀疏–动态通信状况的分布式CSLAM算法的最新研究成果进行了归纳总结.最后指出多机器人CSLAM研究领域今后的研究方向.

基于ORB-SLAM3的多机器人地图构建算法

针对ORB-SLAM3算法构建稀疏点云地图信息量少、单机器人构图效率低的问题,该文提出一种基于ORB-SLAM3的多机器人地图构建算法,通过两层滤波算法减少冗余地图点数量,提高单机器人稠密点云地图构建效率;利用词袋模型匹配地图二维图像间接配准三维点云地图,提高地图配准速度与精度。该文算法在TUM数据集和自拍数据下进行测试,测试结果表明该文算法较传统构图算法速度提高71%、内存消耗减少89%,配准速度与精度较NDT+ICP点云配准算法分别提高68%和16%,在多机器人地图构建方面具有良好的效率、精度、鲁棒性和可拓展性。