时间:2021
作者:
创新点:
整体结构感觉和CCM_SLAM很像(也是中心化方式),在部分细节上做了创新:引入了VIO做单机SLAM,而且场景更换为移动场景。基于VIO的multi-map fusion算法做了改进(引入Local window)
行文结构:
背景→系统框架介绍→系统各部分详解→实验
初始条件:
多移动agent(资源受限,自身可VIO SLAM)+一个server(资源无限)
注:VO和VSLAM的区别:
VO代表视觉里程计,通过VO本身就可以完成基于视觉的SLAM建图,但只被称为前端。VSLAM除了VO之外还包括含有闭环优化的后端。VIO就是在VO基础上加上惯导。
通信模型:
1)agent→server
2)agent→server→agent
系统模型:
每个agent对应一个handler
agent包含三部分(三个线程): 1)VIO 2)通信模块 3束调整(bundle adjustment)
hander包含六部分(五个线程,56用同一个线程):
1)通信模块
2)数据包处理模块(为了传输效果好,把package进行了切分再整合,同时增加了cache防止传输数据丢失)
3)回环检测
4)路径识别:分两种情况(1)自身local map (2)multi-map(涉及到transform,由第六部分的SE完成)
5)local map优化
6)multi-map fusion
每个agent对应一个server submap,所有agent的数据存储在global server map container(存储数据基本结构也是frame)
合并图算法:
分短期(两frame)和长期(多frame)
特征点匹配(不是特别理解,过后来补充~):
实验:
在一个标准数据集上做测试,分析单agent、多agent的情况。较CCM_SLAM那篇,实验方式更加多样化,搞了很多数据分组
因作者水平有限,如有错误之处,请在下方评论区指正,谢谢!