FRAME: Fast and Robust Autonomous 3D point cloud Map-merging for Egocentric multi-robot exploration

要約

この記事では、オーバーラップ検出と位置合わせに基づいた自己中心的な異種マルチロボット探索のための 3D ポイント クラウド マップ マージ フレームワークを紹介します。これは、ロボットの姿勢に関する手動の初期推測や事前知識とは無関係です。
新しい提案されたソリューションは、フレームワークのメイン パイプラインを介して、高速で堅牢な領域オーバーラップ推定を提供する最先端の場所認識学習記述子を利用するため、時間のかかるグローバルな特徴抽出および特徴マッチング プロセスの必要性を排除します。
通常、3D マップの統合で使用されます。
領域オーバーラップ推定は、ポイント クラウド レジストレーション アルゴリズム Fast-GICP の初期条件として適用される同種剛体変換を提供し、最終的で洗練された位置合わせを提供します。
提案されたフレームワークの有効性は、地上ロボットと空中ロボットの両方が異なるセンサー構成で展開される地下環境での複数のフィールドマルチロボット探査ミッションに基づいて実験的に評価されます。

要約(オリジナル)

This article presents a 3D point cloud map-merging framework for egocentric heterogeneous multi-robot exploration, based on overlap detection and alignment, that is independent of a manual initial guess or prior knowledge of the robots’ poses. The novel proposed solution utilizes state-of-the-art place recognition learned descriptors, that through the framework’s main pipeline, offer a fast and robust region overlap estimation, hence eliminating the need for the time-consuming global feature extraction and feature matching process that is typically used in 3D map integration. The region overlap estimation provides a homogeneous rigid transform that is applied as an initial condition in the point cloud registration algorithm Fast-GICP, which provides the final and refined alignment. The efficacy of the proposed framework is experimentally evaluated based on multiple field multi-robot exploration missions in underground environments, where both ground and aerial robots are deployed, with different sensor configurations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google