LEMON-Mapping: Loop-Enhanced Large-Scale Multi-Session Point Cloud Merging and Optimization for Globally Consistent Mapping

要約

マルチロボットコラボレーションはますます重要になりつつあり、特にグローバルに一貫した正確なマップを構築するために、現代のロボット工学に大きな課題を提示しています。
従来のマルチロボットポーズグラフ最適化（PGO）メソッドは、基本的なグローバルな一貫性を確保しますが、マップの幾何学的構造を無視し、ポーズノード間の制約としてループクロージャーのみを使用して、重複する領域での発散とぼやけにつながります。
この問題に対処するために、大規模でマルチセッションポイントクラウドの融合と最適化のためのループ強化フレームワークであるレモンマッピングを提案します。
マルチロボットマッピングのループの役割を再検討し、3つの重要なイノベーションを導入します。
まず、外れ値と誤って削除されたが有効なループを回復するためのループリコール戦略を拒否する堅牢なループ処理メカニズムを開発します。
次に、マルチロボットマップの空間バンドル調整を導入し、発散を減らし、オーバーラップでぼやけを排除します。
第三に、洗練されたバンドル調整の制約を活用して、地図全体にローカルの精度を伝播するPGOベースのアプローチを設計します。
いくつかのパブリックデータセットと自己収集データセットでレモンマッピングを検証します。
実験結果は、従来のマージ方法と比較して、優れたマッピングの精度とフレームワークのグローバルな一貫性を示しています。
スケーラビリティ実験は、多数のロボットを含むシナリオを処理する強力な能力も示しています。

要約(オリジナル)

Multi-robot collaboration is becoming increasingly critical and presents significant challenges in modern robotics, especially for building a globally consistent, accurate map. Traditional multi-robot pose graph optimization (PGO) methods ensure basic global consistency but ignore the geometric structure of the map, and only use loop closures as constraints between pose nodes, leading to divergence and blurring in overlapping regions. To address this issue, we propose LEMON-Mapping, a loop-enhanced framework for large-scale, multi-session point cloud fusion and optimization. We re-examine the role of loops for multi-robot mapping and introduce three key innovations. First, we develop a robust loop processing mechanism that rejects outliers and a loop recall strategy to recover mistakenly removed but valid loops. Second, we introduce spatial bundle adjustment for multi-robot maps, reducing divergence and eliminating blurring in overlaps. Third, we design a PGO-based approach that leverages refined bundle adjustment constraints to propagate local accuracy to the entire map. We validate LEMON-Mapping on several public datasets and a self-collected dataset. The experimental results show superior mapping accuracy and global consistency of our framework compared to traditional merging methods. Scalability experiments also demonstrate its strong capability to handle scenarios involving numerous robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google