苏黎世联邦理工开源多机器人协作VISLAM通用后端框架

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

论文# COVINS-G: A Generic Back-end for Collaborative Visual-Inertial SLAM

论文地址：https://arxiv.org/abs/2301.07147

作者单位：苏黎世联邦理工学院

在多机器人系统中，协作SLAM是感知的核心，因为它使得机器人团队能够在共同的参考系中协同定位，这对于它们之间的任何协调都是至关重要的。机器人运行视觉惯性里程计(VIO)，同时将相关数据(如关键帧(KFS))传递给中央后端(即服务器)，然后中央后端(即服务器)合并和优化代理的地图。虽然这些框架已经被证明是成功的，但它们的能力和性能高度依赖于VIO前端的选择，从而限制了它们的灵活性。

在这项工作中，我们提出了COVINSG，这是一个构建在COVINS框架上的通用后端算法，支持服务器后端与任何VIO前端的兼容性，例如，具有里程计功能的相机，如RealSense T265。COVINS-G后端部署了一种多摄像头相对位姿估计算法来计算回环约束，使系统能够纯粹地处理2D图像数据。

在实验评估中，我们用最先进的多会话和协作SLAM系统展示了相当的准确性，同时通过在同一任务中使用不同的前端机载协作代理来展示我们方法的灵活性和通用性。COVINS-G代码库以及一个通用的前端包装器允许任何现有的VIO前端与提议的协作后端结合使用。

本文贡献如下：

1、一个通用的协作SLAM后端，它只需要2D关键点和一个位姿估计来融合来自多个代理的估计，从而能够使用每个代理上的任何VIO和双目前端
2、一个公开可用的代码库，它与[1]的框架集成在一起。此外，还提供了前端包装器，以支持任何现成的前端，
3、对提出的后端在EUREC数据集以及新收集的数据集上进行了广泛的评估。