多智能体SLAM新框架实现高效准确构建密集3D地图

近期，电子科技大学（深圳）高等研究院智能装备与系统研究中心团队所著论文《MERSYS: A Collaborative Estimation and Dense Mapping System for Multi-Agent Generic SLAM》被IROS 2024接收。

本文针对现有SLAM框架存在的问题提出MERSYS（Multi-Estimation Robust SLAM System）系统，可提升复杂环境适应性及构建密集地图效率。NOKOV度量动作捕捉系统助力在复杂室内环境中验证MERSYS地图融合精度和定位精度。

引用格式

Q. Lai, E. Zhao, S. Fan, and J. Zou, "MERSYS: A collaborative estimation and dense mapping system for multi-agent generic SLAM", IROS 2024

研究背景

随着自动驾驶和虚拟现实等技术的发展，SLAM 技术在单个无人驾驶飞行器和无人机上已显著成熟，但在更大、更复杂的任务中，需要支持长期测绘和多智能体参与的 SLAM 系统。本文介绍了一个名为MERSYS的多智能体协作估计和密集建图系统，用于大规模环境的建图。这个系统通过结合激光雷达-惯性里程计(LIO)和视觉-惯性里程计 (VIO)来解决环境影响和构建密集3D地图的难题。MERSYS框架旨在兼容处理LIO和VIO输入，实现多地图融合，并创建全局的密集3D点云地图。此外，还提出了一种高效的通信策略，用于双向传输密集且大量的数据。

MERSYS框架及其主要组成部分概述

研究亮点

1 提供了一个开源、多功能的多机器人定位和建图框架，能够处理和融合不同类型的输入。

2 实现了不同设备和传感器之间的回环检测，以校正轨迹漂移并提高定位和建图的准确性。

3 创建了带有RGB颜色信息的3D密集RGB点云地图，为未来更复杂的任务提供了支持。

4 设计了一种优化的传输策略，利用密集数据的时序和结构语义，实现了大量数据的实时传输和处理。

测试实验

MERSYS框架包括前端输入、双向通信阶段、地点识别和地图对齐和优化等关键组成部分。研究团队选择了具有挑战性的场景，如城市社区、办公楼内部等。这些场景包含复杂的地形、建筑物、树木和动态元素（如行人和车辆）。使用MERSYS系统的机器人在不同环境中进行自主导航和地图绘制以验证其鲁棒性。

配备实验装置的地面无人车

实验过程中通过使用NOKOV度量动作捕捉系统，在复杂室内环境中获取多个机器人地面位置数据，测试MERSYS框架地图融合精度和定位精度。

实验评估表明，MERSYS在公开可用的HILTI SLAM 2021数据集和现实世界数据集上的表现优于最先进的方法，展示了其在大规模环境中的准确性和有效性。

此外，MERSYS还考虑了实际应用中传输大量信息的挑战，并改进了通信模块，以在前端和后端之间建立稳定的通信。

密集的室内多机映射和点云着色

NOKOV度量动作捕捉系统在复杂室内环境准确获取机器人地面位置数据，验证MERSYS框架的地图融合精度和定位精度。

作者介绍

赖前化，电子科技大学（深圳）高等研究院，研三。主要研究方向：无人系统感知与决策。

赵恩浩，电子科技大学（深圳）高等研究院，博一。主要研究方向：无人系统感知与决策。

凡时财，电子科技大学（深圳）高等研究院教授。主要研究方向：无人系统感知与决策。

邹见效，电子科技大学（深圳）高等研究院教授，中国指挥与控制学会无人系统专业委员会委员，明尼苏达大学访问教授。主要研究方向：复杂系统控制与优化、智能信息处理与控制。