CRADMap: Applied Distributed Volumetric Mapping with 5G-Connected Multi-Robots and 4D Radar Perception

要約

スパースと機能のスラムメソッドは、堅牢なカメラポーズの推定を提供します。
ただし、多くの場合、検査やシーンの認識タスクに必要な詳細レベルをキャプチャできません。
逆に、密なスラムアプローチはより豊かなシーンの再構成を生成しますが、3Dマップを作成するために法外な計算負荷を課します。
グローバルな最適化のためにバックエンドのコビンを使用して最先端の（SOTA）ORBSLAM3システムを拡張することにより、これらの問題に対処するCradMapとして指定された新しい分散型ボリュームマッピングフレームワークを提示します。
ボリューム再構築のための当社のパイプラインは、5G接続、幾何学の集約、および複数の自律モバイルロボット（AMR）からの占有情報を介して、搭載されたリソースを過度に触れずに集中サーバーで密なキーフレームを融合します。
これにより、各AMRは独立してマッピングを実行でき、バックエンドは高忠実度のリアルタイム3Dマップを構築します。
可視（BTV）を超えて動作し、標準の視覚センサーの制限を克服するために、SLAMとのセンサー融合なしで独立して機能するスタンドアロン4D MMWaveレーダーモジュールを自動化しました。
BTVシステムは、散らかった環境で閉塞された金属オブジェクトの検出とマッピングを可能にし、検査シナリオでの状況認識を高めます。
セクション〜\ ref {sec：iv}の実験的検証は、フレームワークの有効性を示しています。

要約(オリジナル)

Sparse and feature SLAM methods provide robust camera pose estimation. However, they often fail to capture the level of detail required for inspection and scene awareness tasks. Conversely, dense SLAM approaches generate richer scene reconstructions but impose a prohibitive computational load to create 3D maps. We present a novel distributed volumetric mapping framework designated as CRADMap that addresses these issues by extending the state-of-the-art (SOTA) ORBSLAM3 system with the COVINS on the backend for global optimization. Our pipeline for volumetric reconstruction fuses dense keyframes at a centralized server via 5G connectivity, aggregating geometry, and occupancy information from multiple autonomous mobile robots (AMRs) without overtaxing onboard resources. This enables each AMR to independently perform mapping while the backend constructs high-fidelity real-time 3D maps. To operate Beyond the Visible (BtV) and overcome the limitations of standard visual sensors, we automated a standalone 4D mmWave radar module that functions independently without sensor fusion with SLAM. The BtV system enables the detection and mapping of occluded metallic objects in cluttered environments, enhancing situational awareness in inspection scenarios. Experimental validation in Section~\ref{sec:IV} demonstrates the effectiveness of our framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google