要約
モバイル ロボット工学の進化分野により、同時位置特定およびマッピング (SLAM) システムの需要が実際に増加しています。
SLAM の位置特定精度とマッピング効率を強化するために、SLAM システムのコア モジュールを改良しました。
特徴マッチング フェーズ内で、不一致を除外するために相互検証マッチングを導入しました。
キーフレーム選択戦略では、キーフレーム選択プロセスを定量化するために指数関数しきい値関数が構築されます。
単一ロボットと比較して、マルチロボット協調 SLAM (CSLAM) システムはタスク実行の効率と堅牢性を大幅に向上させます。
集中構造を採用することにより、マルチロボット SLAM システムを定式化し、マルチマップ点群登録のための粗いものから細かいものまでのマッチング アプローチを設計します。
ORB-SLAM3 に基づいて構築された私たちのシステムは、TUM RGB-D、EuRoC MAV、および TUM_VI データセットを利用して広範な評価を受けました。
実験結果は、ORB-SLAM3 と比較して、強化されたアルゴリズムの測位精度とマッピング品質が大幅に向上し、絶対軌道誤差が 12.90% 減少したことを示しています。
要約(オリジナル)
The evolving field of mobile robotics has indeed increased the demand for simultaneous localization and mapping (SLAM) systems. To augment the localization accuracy and mapping efficacy of SLAM, we refined the core module of the SLAM system. Within the feature matching phase, we introduced cross-validation matching to filter out mismatches. In the keyframe selection strategy, an exponential threshold function is constructed to quantify the keyframe selection process. Compared with a single robot, the multi-robot collaborative SLAM (CSLAM) system substantially improves task execution efficiency and robustness. By employing a centralized structure, we formulate a multi-robot SLAM system and design a coarse-to-fine matching approach for multi-map point cloud registration. Our system, built upon ORB-SLAM3, underwent extensive evaluation utilizing the TUM RGB-D, EuRoC MAV, and TUM_VI datasets. The experimental results demonstrate a significant improvement in the positioning accuracy and mapping quality of our enhanced algorithm compared to those of ORB-SLAM3, with a 12.90% reduction in the absolute trajectory error.
arxiv情報
| 著者 | Ang He,Xi-mei Wu,Xiao-bin Guo,Li-bin Liu |
| 発行日 | 2024-10-07 13:18:22+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google