SKiD-SLAM: Robust, Lightweight, and Distributed Multi-Robot LiDAR SLAM in Resource-Constrained Field Environments

要約

分散型Lidarスラムは、効率的なロボットの自律性を達成し、マッピングのスケーラビリティを改善するために重要です。
ただし、フィールド環境で適用する際には2つの問題を考慮する必要があります。1つはリソースの制限であり、もう1つはロボット間協会です。
リソース制限の問題は、特にフィールド内の通信システムまたはオンボードコンピューターを使用する場合、データサイズがネットワークまたはメモリの処理能​​力を超えると発生します。
INTRA-ROBOT関連の問題は、ICPの大きな視点の違いの狭い収束領域のために発生し、多くの偽陽性ループを引き起こし、最終的にマルチロボットシステムの一貫性のないグローバルマップをもたらします。
これらの問題に取り組むために、Skid-Slamと呼ばれる多用途のフィールドアプリケーション向けに設計された分散LIDAR SLAMフレームワークを提案します。
軽量の場所認識と高速で堅牢なグローバル登録にのみ焦点を当てた以前の作業を拡張して、分散型Lidarスラムの堅牢で軽量のロボット間ループ閉鎖に焦点を当てたマルチロボットマッピングフレームワークを紹介します。
さまざまな環境実験を通じて、私たちの方法は、他の最先端の分散SLAMアプローチと比較して、より堅牢で軽量であり、リソースの制限とロボット間の関連性の問題を克服することを実証します。
また、現実世界の惑星エミュレーション地形と洞窟環境での実験をマッピングすることにより、アプローチのフィールド適用性を検証しました。
私たちのコードは、https：//sparolab.github.io/research/skid_slam/で入手できます。

要約(オリジナル)

Distributed LiDAR SLAM is crucial for achieving efficient robot autonomy and improving the scalability of mapping. However, two issues need to be considered when applying it in field environments: one is resource limitation, and the other is inter/intra-robot association. The resource limitation issue arises when the data size exceeds the processing capacity of the network or memory, especially when utilizing communication systems or onboard computers in the field. The inter/intra-robot association issue occurs due to the narrow convergence region of ICP under large viewpoint differences, triggering many false positive loops and ultimately resulting in an inconsistent global map for multi-robot systems. To tackle these problems, we propose a distributed LiDAR SLAM framework designed for versatile field applications, called SKiD-SLAM. Extending our previous work that solely focused on lightweight place recognition and fast and robust global registration, we present a multi-robot mapping framework that focuses on robust and lightweight inter-robot loop closure in distributed LiDAR SLAM. Through various environmental experiments, we demonstrate that our method is more robust and lightweight compared to other state-of-the-art distributed SLAM approaches, overcoming resource limitation and inter/intra-robot association issues. Also, we validated the field applicability of our approach through mapping experiments in real-world planetary emulation terrain and cave environments, which are in-house datasets. Our code will be available at https://sparolab.github.io/research/skid_slam/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google