Online Global Loop Closure Detection for Large-Scale Multi-Session Graph-Based SLAM

要約

大規模かつ長期にわたる同時位置特定とマッピング (SLAM) の場合、ロボットは、誘拐されたロボットの問題またはマルチセッション マッピングのいずれかによって引き起こされる未知の初期位置決めに対処する必要があります。
この文書では、これらの状況を本質的に処理するグローバル ループ閉鎖検出アプローチと SLAM システムを結び付けることで、これらの問題に対処します。
ただし、グローバル ループ閉鎖検出アプローチのオンライン処理は、一般に環境の規模に影響されます。
提案されたグラフベースの SLAM システムは、オンライン処理要件を満たすためにマップの一部のみを考慮するメモリ管理アプローチを使用します。
このアプローチは、レーザー距離計と Kinect を備えたロボットを使用した建物の 5 つの屋内マッピング セッションを使用してテストおよび実証されています。

要約(オリジナル)

For large-scale and long-term simultaneous localization and mapping (SLAM), a robot has to deal with unknown initial positioning caused by either the kidnapped robot problem or multi-session mapping. This paper addresses these problems by tying the SLAM system with a global loop closure detection approach, which intrinsically handles these situations. However, online processing for global loop closure detection approaches is generally influenced by the size of the environment. The proposed graph-based SLAM system uses a memory management approach that only consider portions of the map to satisfy online processing requirements. The approach is tested and demonstrated using five indoor mapping sessions of a building using a robot equipped with a laser rangefinder and a Kinect.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google