以下內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# D2SLAM: Decentralized and Distributed Collaborative Visual-inertial SLAM System for Aerial Swarm

論文地址：https://arxiv.org/abs/2211.01538

作者單位：香港科技大學(xué) ?

? ?近年來，空中集群技術(shù)發(fā)展迅速。為了實現(xiàn)完全自主的空中集群，一項關(guān)鍵技術(shù)是針對空中集群的分布式協(xié)作 SLAM (CSLAM)，它估計相對姿態(tài)和一致的全局軌跡。在本文中，我們提出了 D2SLAM：一種去中心化和分布式 (D2) 協(xié)作式 SLAM 算法。該算法具有較高的局部精度和全局一致性，分布式架構(gòu)允許其擴展。D2SLAM 涵蓋了兩種場景下的群體狀態(tài)估計：近場狀態(tài)估計用于近距離實時精度高，遠場狀態(tài)估計用于無人機之間的遠距離全局一致軌跡估計。采用分布式優(yōu)化算法作為后端來實現(xiàn) D2 目標(biāo)。D2SLAM 對瞬態(tài)通信丟失、網(wǎng)絡(luò)延遲和其他因素具有魯棒性。得益于靈活的架構(gòu)，D2SLAM 具有應(yīng)用于各種場景的潛力。

本文貢獻如下：

1、我們提出了一種新穎的去中心化和分布式 SLAM 系統(tǒng)，并在真實世界的實驗中在空中群平臺上對其進行了測試。具體而言，D2SLAM 能夠在無人機彼此靠近時估計高精度的自我運動狀態(tài)和高精度相對狀態(tài)，而在無人機彼此遠離或在非視線內(nèi)時估計具有全局一致性的軌跡。

2、我們提出了一種基于ADMM的多機器人分布式視覺慣性狀態(tài)估計器。

3、我們提出了一種基于ARock的多機器人異步分布式位姿圖優(yōu)化算法。

4、提出的D2SLAM在空中群平臺上進行了實際實驗，代碼和我們的自定義數(shù)據(jù)集將是開源的。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容