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

要約

タイトル：COVINS-G：共有視覚慣性SLAMのための汎用バックエンド

要約：

– 協調SLAMは、マルチロボットシステムにおける知覚の核心であり、チームのロボットが共通の参照フレームにおいて共有されることを可能にし、それが発生する協調にとって極めて重要である。
– 中央集権的なアーキテクチャのパラダイムは、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、重要なデータ（例えばKeyframes、KFs）を通信し、それをマージして最適化する中央バックエンド（つまりサーバー）に送信することが確立されている。
– これらのフレームワークは成功を収めていますが、その能力と性能はVIOフロントエンドの選択に大きく依存するため、柔軟性が制限されています。
– この研究では、COVINS-Gを発表し、COVINSフレームワークを拡張し、任意のVIOフロントエンドと互換性があるバックエンドを構築することができます。たとえば、オフシェルフのカメラであるRealsense T265などのオドメトリ機能を持つものが含まれます。
– COVINS-Gバックエンドは、2Dイメージデータだけでシステムを動作させるための複数カメラ相対姿勢推定アルゴリズムを展開します。
– 実験評価では、同じミッション内の共同エージェントに搭載された異なるフロントエンドを使用して、我々のアプローチの柔軟性と汎用性を示しながら、最新のマルチセッションおよび協同SLAMシステムと同等の精度を示します。
– COVINS-Gコードベースは、既存のVIOフロントエンドを提案された協調バックエンドと組み合わせて容易に使用できるようにする汎用フロントエンドラッパーとともにオープンソース化されています。 動画： 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, OpenAI