Grid-based Submap Joining: An Efficient Algorithm for Simultaneously Optimizing Global Occupancy Map and Local Submap Frames

要約

ロボットのポーズとマップを同時に最適化すると、より正確な SLAM 結果が得られることが示されています。
ただし、非フィーチャベースの SLAM アプローチの場合、すべてのロボットのポーズとマップ全体を直接最適化すると、計算コストが大幅に増加するため、大規模な環境で SLAM 問題を解決することが困難になります。
大規模環境における 2D 非特徴ベースの SLAM 問題をより正確かつ効率的に解決するために、グリッドベースのサブマップ結合方法を提案します。
具体的には、まず 2D グリッドベースのサブマップ結合問題を非線形最小二乗 (NLLS) 形式として定式化し、グローバル占有マップとローカル サブマップ フレームを同時に最適化します。
次に、ガウス ニュートン (GN) 法を使用して NLLS 問題を解く際に、各反復におけるポーズの増分がグローバル占有マップの占有値に依存しないことを証明します。
この性質に基づいて、NLLS 問題を解決するための完全 GN 法と同等のポーズオンリー GN アルゴリズムを提案します。
提案されたサブマップ結合アルゴリズムは、独立したプロパティとポーズのみのソリューションにより非常に効率的です。
シミュレーションと公開されている実用的な 2D レーザー データセットを使用した評価により、効率と精度の点で最先端の方法と比較して、提案された方法が優れていること、およびグリッドベースの SLAM 問題を非常に簡単に解決できることが確認されました。
大規模な環境。

要約(オリジナル)

Optimizing robot poses and the map simultaneously has been shown to provide more accurate SLAM results. However, for non-feature based SLAM approaches, directly optimizing all the robot poses and the whole map will greatly increase the computational cost, making SLAM problems difficult to solve in large-scale environments. To solve the 2D non-feature based SLAM problem in large-scale environments more accurately and efficiently, we propose the grid-based submap joining method. Specifically, we first formulate the 2D grid-based submap joining problem as a non-linear least squares (NLLS) form to optimize the global occupancy map and local submap frames simultaneously. We then prove that in solving the NLLS problem using Gauss-Newton (GN) method, the increments of the poses in each iteration are independent of the occupancy values of the global occupancy map. Based on this property, we propose a poseonly GN algorithm equivalent to full GN method to solve the NLLS problem. The proposed submap joining algorithm is very efficient due to the independent property and the pose-only solution. Evaluations using simulations and publicly available practical 2D laser datasets confirm the outperformance of our proposed method compared to the state-of-the-art methods in terms of efficiency and accuracy, as well as the ability to solve the grid-based SLAM problem in very large-scale environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google