FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field

要約

この記事では、自己中心的なマルチロボット探査のコンテキストで 3D 点群マップを結合するための新しいアプローチを紹介します。
従来の方法とは異なり、提案されたアプローチは、最先端の場所認識と学習された記述子を活用して、マップ間の重複を効率的に検出し、時間のかかる全体的な特徴抽出と特徴マッチングプロセスの必要性を排除します。
推定された重複領域は、均一剛体変換の計算に使用されます。これは、マップ間の位置合わせを調整するための GICP 点群登録アルゴリズムの初期条件として機能します。
このアプローチの利点には、処理時間の短縮、精度の向上、困難な環境における堅牢性の向上が含まれます。
さらに、提案されたフレームワークの有効性は、さまざまな異なる地下環境でのロボット探査の複数のフィールドミッションを通じて首尾よく実証されています。

要約(オリジナル)

In this article, a novel approach for merging 3D point cloud maps in the context of egocentric multi-robot exploration is presented. Unlike traditional methods, the proposed approach leverages state-of-the-art place recognition and learned descriptors to efficiently detect overlap between maps, eliminating the need for the time-consuming global feature extraction and feature matching process. The estimated overlapping regions are used to calculate a homogeneous rigid transform, which serves as an initial condition for the GICP point cloud registration algorithm to refine the alignment between the maps. The advantages of this approach include faster processing time, improved accuracy, and increased robustness in challenging environments. Furthermore, the effectiveness of the proposed framework is successfully demonstrated through multiple field missions of robot exploration in a variety of different underground environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google