杜克大学开源第一个基于边缘计算辅助的V/VI-SLAM地图不确定性量化模型

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# AdaptSLAM: Edge-Assisted Adaptive SLAM with Resource Constraints via Uncertainty Minimization

论文地址：https://arxiv.org/abs/2301.04620

作者单位：杜克大学

开源代码：https://github.com/i3tyc/AdaptSLAM

边缘计算被越来越多地提出作为减少运行同步定位与建图(SLAM)算法的移动设备的资源消耗的解决方案，大多数边缘辅助的SLAM系统都假设移动设备与边缘服务器之间的通信资源是无限的，或者依靠启发式来选择要传输到边缘的信息。

本文提出了一种适应现有通信和计算资源的边缘辅助视觉(V)和视觉惯性(VI) SLAM系统AdaptSLAM，基于我们开发的一种理论基础方法，该方法选择关键帧子集(代表帧)，在资源约束下构建移动设备和边缘服务器的最佳本地和全局地图。

我们实现了AdaptSLAM与最先进的开源Vand VI-SLAM ORB-SLAM3框架一起工作，并证明，在有限的网络带宽下，与最佳基线方法相比，AdaptSLAM将跟踪误差降低了62%。

本文贡献如下：1、第一个基于边缘辅助架构的V-和VI-SLAM地图不确定性量化模型
2、在计算和通信资源预算的情况下高效选择关键帧子集以构建局部和全局地图的分析基于算法
3、在两种配置的移动设备上对AdaptSLAM进行综合评估