Data-Efficient Collaborative Decentralized Thermal-Inertial Odometry

要約

熱画像と慣性測定を使用して、飛行ロボットのチームのデータ効率の高い分散状態推定を実現するシステム ソリューションを提案します。
各ロボットは独立して飛行し、可能な場合はデータを交換して状態推定を改善できます。
システムのフロントエンドは、オンライン測光キャリブレーションを適用して熱画像を改良し、特徴の追跡と場所の認識を強化します。
私たちのシステム バックエンドは共分散交差融合戦略を使用してエージェント間の相互相関を無視し、メモリ使用量と計算コストを削減します。
通信パイプラインは、Vector of Locally Aggregated Descriptors (VLAD) を使用して、低帯域幅の使用を必要とする要求応答ポリシーを構築します。
合成データと実世界のデータの両方で共同作業の方法をテストします。
私たちの結果は、提案された方法が、通信交換を最大 89% 削減しながら、個々のエージェントのアプローチに関して最大​​ 46% の軌道推定を改善することを示しています。
データセットとコードが公開され、すでに公開されている JPL xVIO ライブラリが拡張されます。

要約(オリジナル)

We propose a system solution to achieve data-efficient, decentralized state estimation for a team of flying robots using thermal images and inertial measurements. Each robot can fly independently, and exchange data when possible to refine its state estimate. Our system front-end applies an online photometric calibration to refine the thermal images so as to enhance feature tracking and place recognition. Our system back-end uses a covariance-intersection fusion strategy to neglect the cross-correlation between agents so as to lower memory usage and computational cost. The communication pipeline uses Vector of Locally Aggregated Descriptors (VLAD) to construct a request-response policy that requires low bandwidth usage. We test our collaborative method on both synthetic and real-world data. Our results show that the proposed method improves by up to 46 % trajectory estimation with respect to an individual-agent approach, while reducing up to 89 % the communication exchange. Datasets and code are released to the public, extending the already-public JPL xVIO library.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google