Active Collaborative Visual SLAM exploiting ORB Features

要約

自律型ロボット工学における重要な課題には、Active Collaborative SLAM (AC-SLAM) のための堅牢なソリューションを考案することが含まれます。
このプロセスでは、複数のロボットが動作とセンサー データの取得をインテリジェントに調整することで、未知の環境を協力して探索し、マッピングする必要があります。
この記事では、環境探索とマッピングに空中ロボットと地上ロボットを使用した効率的な視覚 AC-SLAM 手法を紹介します。
共通の IoU マップ フロンティアを考慮し、各ロボットのフロンティアを削減する効率的なフロンティア フィルタリング方法を提案します。
さらに、ロボットを以前に訪れたゴール位置に誘導してループの閉鎖を促進し、SLAM の不確実性を低減するアプローチも紹介します。
提案された方法は ROS に実装され、公開されているデータセットおよび同様の方法でのシミュレーションを通じて評価され、累積平均 59% のエリア カバレッジの増加を達成しました。

要約(オリジナル)

In autonomous robotics, a significant challenge involves devising robust solutions for Active Collaborative SLAM (AC-SLAM). This process requires multiple robots to cooperatively explore and map an unknown environment by intelligently coordinating their movements and sensor data acquisition. In this article, we present an efficient visual AC-SLAM method using aerial and ground robots for environment exploration and mapping. We propose an efficient frontiers filtering method that takes into account the common IoU map frontiers and reduces the frontiers for each robot. Additionally, we also present an approach to guide robots to previously visited goal positions to promote loop closure to reduce SLAM uncertainty. The proposed method is implemented in ROS and evaluated through simulations on publicly available datasets and similar methods, achieving an accumulative average of 59% of increase in area coverage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google