感知定位

大山同学5 天前
语言模型·机器人·去中心化·slam·感知定位
RA-L开源:Light-LOAM: 基于图匹配的轻量级激光雷达里程计和地图构建代码:github 原文:原文将SLAM应用于机器人应用中,可靠性和效率是两个最受重视的特性。本文考虑在计算能力有限的平台上实现可靠的基于激光雷达的SLAM功能。首先与大多数选择点云配准的显著特征的方法相反,我们提出了一种非显著特征选择策略,以提高可靠性和鲁棒性。然后使用两阶段对应选择方法来配准点云,其中包括基于KD树的粗匹配,然后是一种基于图的匹配方法,它使用几何一致性来排除不正确的对应关系。此外提出了一种里程计方法,其中权重优化是由前述的几何一致性图的投票结果引导的。通过这种方式,激光雷达里程计的优化
大山同学7 天前
人工智能·分布式·语言模型·去中心化·slam·感知定位
DPGO:异步和并行分布式位姿图优化 2020 RA-L best paper代码:github 原文:原文摘要—我们提出了异步随机并行位姿图优化(ASAPP),这是首个用于多机 器人同时定位与建图(SLAM)中分布式位姿图优化(PGO)的异步算法。通过使机器人能够在无需同步的情况下优化其局部轨迹估计,ASAPP提供了对通信延迟的韧性,并减轻了在网络中等待落后的机器人的需求。此外,ASAPP 可应用于 PGO 的秩约束松弛,这是一个重要的非凸黎曼优化问题类别,支持最近在全局最优 PGO 方面的突破。在有限延迟的情况下,我们通过选择足够小的步长,证明了 ASAPP 的全局一阶收敛性。
大山同学12 天前
人工智能·分布式·机器人·开源·slam·感知定位
最新开源DCL-SLAM:一种用于机器人群体的分布式协作激光雷达 SLAM 框架代码:github 原文:原文为了在未知环境中执行协作任务,机器人群体需要建立一个全局参考框架,并在共享的环境理解中定位自身。然而,在现实世界中,这面临许多挑战,例如环境的先验信息缺失以及团队成员之间的通信不畅。本文提出了DCL-SLAM,这是一种与前端无关的完全分布式协作激光雷达(LiDAR)SLAM框架,可在信息交换量较低的情况下实现未知环境中的协同定位。基于点对点通信,DCL-SLAM采用轻量级的LiDAR-Iris描述子进行地点识别,不需要全队的完全连接。DCL-SLAM包含三个主要部分:可替换的
大山同学13 天前
人工智能·语言模型·机器人·去中心化·slam·感知定位
多机器人图优化:2024ICARA开源原文:原文 代码:代码摘要—同时定位与地图构建(SLAM)是机器人领域中自主系统的关键任务。在多机器人系统中,去中心化方法因其无需中央基站并促进可扩展性而受到了广泛关注。本文提出了一种去中心化的多机器人图优化 SLAM 方法,称为 mrg slam,该方法利用了成熟的单机器人 SLAM 框架 hdl graph slam。在我们的方案中,每个机器人独立运行基于激光雷达(LIDAR)的图优化 SLAM 算法,实现了高效地探索未知环境。机器人可以交换独特的图节点和边,并将共享的信息纳入各自的 SLAM 解算中