COVINS-G: A Generic Back-end for Collaborative Visual-Inertial SLAM

要約

共同 SLAM は、マルチロボット システムの認識の中核をなすもので、共通の参照フレームでロボット チームの共局在化を可能にします。これは、ロボット間の調整にとって非常に重要です。
集中型アーキテクチャのパラダイムは十分に確立されており、ロボット (つまりエージェント) がオンボードで Visual-Inertial Odometry (VIO) を実行しながら、関連するデータを通信します。
キーフレーム (KF) を中央のバックエンド (つまりサーバー) に送信し、エージェントのジョイント マップをマージして最適化します。
これらのフレームワークは成功していることが証明されていますが、その機能とパフォーマンスは VIO フロントエンドの選択に大きく依存しているため、柔軟性が制限されています。
この作業では、COVINS フレームワーク上に構築された一般化されたバックエンドである COVINS-G を提示し、サーバー バックエンドと任意の VIO フロントエンド (市販のカメラなど) との互換性を可能にします。
Realsense T265 などのオドメトリ機能を備えています。
COVINS-G バックエンドは、システムが純粋に 2D 画像データで動作することを可能にするループ クロージャ制約を計算するためのマルチカメラ相対姿勢推定アルゴリズムを展開します。
実験的評価では、最先端のマルチセッションおよび協調 SLAM システムと同等の精度を示すと同時に、同じミッション内でさまざまなフロントエンド オンボード コラボレーション エージェントを使用することにより、アプローチの柔軟性と汎用性を実証します。
COVINS-G コードベースと一般化されたフロントエンド ラッパーを組み合わせることで、既存の VIO フロントエンドを提案された共同バックエンドと組み合わせて簡単に使用できるようになります。
ビデオ: https://youtu.be/FoJfXCfaYDw

要約(オリジナル)

Collaborative SLAM is at the core of perception in multi-robot systems as it enables the co-localization of the team of robots in a common reference frame, which is of vital importance for any coordination amongst them. The paradigm of a centralized architecture is well established, with the robots (i.e. agents) running Visual-Inertial Odometry (VIO) onboard while communicating relevant data, such as e.g. Keyframes (KFs), to a central back-end (i.e. server), which then merges and optimizes the joint maps of the agents. While these frameworks have proven to be successful, their capability and performance are highly dependent on the choice of the VIO front-end, thus limiting their flexibility. In this work, we present COVINS-G, a generalized back-end building upon the COVINS framework, enabling the compatibility of the server-back-end with any arbitrary VIO front-end, including, for example, off-the-shelf cameras with odometry capabilities, such as the Realsense T265. The COVINS-G back-end deploys a multi-camera relative pose estimation algorithm for computing the loop-closure constraints allowing the system to work purely on 2D image data. In the experimental evaluation, we show on-par accuracy with state-of-the-art multi-session and collaborative SLAM systems, while demonstrating the flexibility and generality of our approach by employing different front-ends onboard collaborating agents within the same mission. The COVINS-G codebase along with a generalized front-end wrapper to allow any existing VIO front-end to be readily used in combination with the proposed collaborative back-end is open-sourced. Video: https://youtu.be/FoJfXCfaYDw

arxiv情報

提供元, 利用サービス

arxiv.jp, Google