kollagen: A Collaborative SLAM Pose Graph Generator

要約

このホワイト ペーパーでは、新しいポーズ グラフ ジェネレーターを提供することにより、共同 SLAM ポーズ グラフ オプティマイザーのデータセットの欠如、およびその再現性の問題に対処します。
当社のポーズ グラフ ジェネレーターである kollagen は、単一エージェント SLAM で人気のある M3500 データセットと同様に、平面グリッド ワールドでのランダム ウォークに基づいています。
使い方は簡単で、エージェントの数、ノードの数、ループ クロージャの生成確率、測定ノイズの標準偏差など、いくつかのパラメータを設定できます。
さらに、ポーズ グラフ ジェネレーターの定性的な実行時間分析は、調整可能なパラメーターでのジェネレーターの速度を示しています。
ポーズ グラフ ジェネレーターに加えて、私たちの論文では、研究者がアルゴリズムを評価するためにすぐに使用できる 2 つのサンプル データセットを提供しています。
データセットの 1 つには 8 つのエージェントがあり、それぞれに 3500 ノードがあり、ポーズ グラフに 67645 の制約があります。もう 1 つのデータセットには、それぞれに 10000 ノードがあり、76134 の制約がある 5 つのエージェントがあります。
さらに、現在の最先端のポーズ グラフ オプティマイザーが、生成されたデータセットを処理し、ポーズ グラフの最適化を実行できることを示します。
データ ジェネレーターは、https://github.com/EricssonResearch/kollagen にあります。

要約(オリジナル)

In this paper, we address the lack of datasets for – and the issue of reproducibility in – collaborative SLAM pose graph optimizers by providing a novel pose graph generator. Our pose graph generator, kollagen, is based on a random walk in a planar grid world, similar to the popular M3500 dataset for single agent SLAM. It is simple to use and the user can set several parameters, e.g., the number of agents, the number of nodes, loop closure generation probabilities, and standard deviations of the measurement noise. Furthermore, a qualitative execution time analysis of our pose graph generator showcases the speed of the generator in the tunable parameters. In addition to the pose graph generator, our paper provides two example datasets that researchers can use out-of-the-box to evaluate their algorithms. One of the datasets has 8 agents, each with 3500 nodes, and 67645 constraints in the pose graphs, while the other has 5 agents, each with 10000 nodes, and 76134 constraints. In addition, we show that current state-of-the-art pose graph optimizers are able to process our generated datasets and perform pose graph optimization. The data generator can be found at https://github.com/EricssonResearch/kollagen.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google