$D^2$SLAM: Decentralized and Distributed Collaborative Visual-inertial SLAM System for Aerial Swarm

要約

完全に自律的な空中群れの重要な技術は、空中ロボットの相対的な姿勢とグローバルに一貫した軌道の推定を可能にする協調 SLAM (CSLAM) です。
ただし、既存の CSLAM システムでは、UAV 間の緊密な連携に不可欠な相対位置特定精度を優先していません。
この論文では、$D^2$SLAM を紹介します。これは、2 つのシナリオをカバーする新しい分散分散型 ($D^2$) CSLAM システムです: 近距離での高精度の状態推定のための近距離場推定と、一貫したグローバル軌道のための遠距離場推定です。
推定。
$D^2$SLAM には、ステレオ カメラまたは全方向カメラを入力として使用できる汎用性の高い強力なフロント エンドがあります。前者は簡単に取得でき、後者は相対的な位置特定における視野の問題に対する優れたソリューションです。
私たちの実験では、$D^2$SLAM が自我の動きの推定、相対的な位置特定、およびグローバルな一貫性において高い精度を達成することが確認されています。
さらに、分散最適化アルゴリズムを採用して $D^2$ 目標を達成し、群れのスケールアップを可能にし、ネットワーク遅延に対する堅牢性を確保します。
$D^2$SLAM は幅広い実世界のアプリケーションに適用できると主張しています。

要約(オリジナル)

A crucial technology in fully autonomous aerial swarms is collaborative SLAM (CSLAM), which enables the estimation of relative pose and global consistent trajectories of aerial robots. However, existing CSLAM systems do not prioritize relative localization accuracy, critical for close collaboration among UAVs. This paper presents $D^2$SLAM, a novel decentralized and distributed ($D^2$) CSLAM system that covers two scenarios: near-field estimation for high accuracy state estimation in close range and far-field estimation for consistent global trajectory estimation. $D^2$SLAM has a versatile and powerful front-end that can use stereo cameras or omnidirectional cameras as input, the former being easy to obtain and the latter being an excellent solution to the Field of View problem in relative localization. Our experiments verify $D^2$SLAM achieves high accuracy in ego-motion estimation, relative localization, and global consistency. Moreover, distributed optimization algorithms are adopted to achieve the $D^2$ objective to allow the scale-up of the swarm and ensure robustness against network delays. We argue $D^2$SLAM can be applied in a wide range of real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google