文章介绍了一种分布式扫描上下文增强的多机器人激光SLAM(DiSCo-SLAM)方法，利用ScanContext描述符进行高效的数据交换，并采用两阶段全局-局部图优化策略处理大场景和回环检测问题。该方法通过局部和全局的优化步骤，结合二阶全局-局部图优化解决了非凸问题，实现了多机器人间的协同定位和映射。
DiSCo-SLAM: Distributed Scan Context-Enabled Multi-Robot LiDAR SLAM With Two-Stage Global-Local Graph Optimization
结论：该分布式激光雷达协同SLAM 仅需要较小的通信带宽
Scan Context descriptors解决-该描述符有效地描述了环境-及高效地数据交换—《Scan context: Egocentric spatial descriptor for place recognition within 3D point cloud map》（将扫描投影到低分辨率2D平面上）
二阶全局-局部图优化–解决大场景机器人回合次数少，远距机器人间相对位姿变换。-因子图《Factor graphs and GTSAM: A hands-on introduction》问题：机器人之间的回环检测通常无法从里程计信息中获得准确的初始猜测
DGS方法对比
激光惯性里程计 和GPS真值 时间戳时间戳在里面的作用是-保证同时和频率
引言
二阶全局-局部图优化：在全局步骤中，优化包含机器人局部帧到全局帧变换的因子图。在随后的局部步骤中，优化了包含（1）局部里程测量、（2）机器人内约束和（3）与局部机器人相关的机器人之间约束的局部姿态图。
相关研究
单SLAM可以通过高频的里程计值获得一个精确的初始先验信息（这是一个问题），但是多机器人之间的约束都是通过感知数据获得。
最低0.47元/天 解锁文章
扫一扫
3791
到【灌水乐园】发言
