14、基于分布式共识的协作拓扑地图构建

基于分布式共识的协作拓扑地图构建

在机器人应用中，环境的有效表示对于机器人的导航和定位至关重要。传统的单机器人建图方法存在一些局限性，而多机器人协作建图也面临诸多挑战。本文将介绍一种基于分布式共识的协作拓扑地图构建方法，该方法通过将特征分组到平面区域，并利用共识算法进行融合，有效解决了传统方法的问题。

1. 引言

在机器人领域，共识方法可用于高效融合不同机器人的信息。在多机器人场景中，构建环境地图是一个关键问题。传统的单机器人建图方法，如同时定位与地图构建（SLAM），通常将地图表示为一组3D特征，但其需要精确的相机内参，且误差会随地图大小增加。多机器人建图方法可分为集中式和分布式，但计算场景结构需要精确的相机内参，且需要计算全局参考帧。

拓扑方法则克服了这些限制，因为它不计算全局地图的显式度量信息。拓扑视觉地图可从传统或全向图像构建，但基于图像的拓扑地图需要大量存储空间，且在分布式场景下达成共识较为困难。相比之下，将信息分组到平面区域是一种更好的方法，它具有以下优点：
- 共识过程优势 ：
- 利用图像间的单应性约束，不同地图之间的数据关联简单且稳健。
- 通过简单地将不同单应性相乘，即可计算用于表示特征的全局参考帧。
- 无需知道相机的内部参数即可计算图像间的单应性，使该方法对不同相机的使用具有鲁棒性。
- 单个机器人优势 ：
- 不同平面区域的误差不相关，因为每个区域的提取是独立的。
- 特征仅存储一次，与观察它们的图像数量无关。
- 定义地图的图的复杂度降低。
- 平面区域为人类提供了有意义的语义信息。 </