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 モジュールでは、SE(d) 同期とも呼ばれる、分散設定の下で非線形ポーズ グラフ最適化 (PGO) を解決する必要があります。
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いますが、各ロボットの地理的位置が異なるためにサブグラフの次元が不均衡になる可能性があり、そのため余分な通信負荷がかかります。
さらに、現在のリーマン最適化アルゴリズムのパフォーマンスをさらに加速することができます。
このレターでは、マルチレベル分割と加速リーマン最適化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します。
まず、マルチレベルのグラフ分割アルゴリズムを使用してナイーブ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します。
さらに、加速座標降下法にヒントを得て、改良型リーマン ブロック座標降下法 (IRBCD) アルゴリズムを考案し、得られる臨界点は全体的に最適です。
最後に、サブグラフ間の相関に対する 4 つの一般的なグラフ分割アプローチの効果を評価し、Highest スキームが最高の分割パフォーマンスを持つことを発見しました。
また、シミュレーションを実装して、提案したアルゴリズムが最先端の分散ポーズグラフ最適化プロトコルよりも優れていることを定量的に実証します。

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, Google