Distributed Pose-graph Optimization with Multi-level Partitioning for Collaborative SLAM

要約

Distributed Collaborative Simultaneous Localization and Mapping (DCSLAM)のバックエンドモジュールは、SE(d)-同期としても知られる分散設定下で非線形ポーズグラフ最適化(PGO)を解く必要がある。既存の分散グラフ最適化アルゴリズムのほとんどは、単純な逐次分割スキームを採用しており、各ロボットの地理的位置が異なるため、サブグラフの次元がアンバランスになる可能性があり、余分な通信負荷がかかる。さらに、現在のリーマン最適化アルゴリズムの性能をさらに加速することができる。本レターでは、マルチレベル分割と加速リーマン最適化手法を組み合わせた新しい分散ポーズグラフ最適化アルゴリズムを提案する。まず、素朴なポーズグラフを前処理し、バランスの取れた最適化問題を定式化するために、マルチレベルグラフパーティショニングアルゴリズムを採用する。さらに、加速座標降下法にヒントを得て、改良リーマンブロック座標降下（IRBCD）アルゴリズムを考案し、得られた臨界点は大域的に最適である。最後に、4つの一般的なグラフ分割手法がサブグラフ間の相関に与える影響を評価し、Highestスキームが最も優れた分割性能を持つことを発見した。また、シミュレーションを行い、提案アルゴリズムが最新の分散ポーズグラフ最適化プロトコルを凌駕することを定量的に示す。

要約(オリジナル)

The back-end module of Distributed Collaborative Simultaneous Localization and Mapping (DCSLAM) requires solving a nonlinear Pose Graph Optimization (PGO) under a distributed setting, also known as SE(d)-synchronization. Most existing distributed graph optimization algorithms employ a simple sequential partitioning scheme, which may result in unbalanced subgraph dimensions due to the different geographic locations of each robot, and hence imposes extra communication load. Moreover, the performance of current Riemannian optimization algorithms can be further accelerated. In this letter, we propose a novel distributed pose graph optimization algorithm combining multi-level partitioning with an accelerated Riemannian optimization method. Firstly, we employ the multi-level graph partitioning algorithm to preprocess the naive pose graph to formulate a balanced optimization problem. In addition, inspired by the accelerated coordinate descent method, we devise an Improved Riemannian Block Coordinate Descent (IRBCD) algorithm and the critical point obtained is globally optimal. Finally, we evaluate the effects of four common graph partitioning approaches on the correlation of the inter-subgraphs, and discover that the Highest scheme has the best partitioning performance. Also, we implement simulations to quantitatively demonstrate that our proposed algorithm outperforms the state-of-the-art distributed pose graph optimization protocols.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL