《论文笔记》COVINS: Visual-Inertial SLAM for Centralized Collaboration

时间：2021
作者：

  Multi-UAV Collaborative Monocular SLAM的后续之作，关于之前那篇可参照：《论文笔记》Multi-UAV Collaborative Monocular SLAM
  协作智能体数达到12个(目前最多的)
面向场景：
  AR/VR需求，协同营救
控制方式：
  中心化方式
初始条件：
  多agent(具有在线VIO能力)+server(可以是本地服务器或云服务器)
系统模型：

  Agent本身带有VIO功能，维护自身Local map，并可以通过通信模块和server通信完善自身信息
  server模块受map manager调度，为每个agent初始化一个server map。map manager有权限访问server map库及KF(key frame) Database。优化部分提供两种优化。External Interface模块提供和外界交互。

  下面介绍下系统模型一些细节：
  map manager的工作可概括如下：
  1.控制server map的更新及融合(当place Rec模块识别时进行更新，Place Rec基于词袋模型)
  2.控制place Rec模块进行公共区域的检测(两种情况：同一server map的回环检测，不同server map的map fusion)
  3.控制优化及冗余数据(包括冗余的KF和LM)的删除
  4.控制外部接口和用户对接(其实没有很理解这部分的作用，也没从后面实验看到什么体现~)
  5.负责保持map的一致性(特别是多个server map融合后，多个agent对应该融合map)
  两种优化具体：
  1.PGO(Pose-Graph Optimization)
  PGO使用的时间两种情况，一是回环检测之后，对server map进行PGO。二是定期执行，进一步降低地图细化的频率，从而更好的平衡由于持续优化而受到限制的地图访问，并达到预期的高地图精度
  2.GBA(Global Bundle Adjustment)
  GBA由server进行控制，GBA考虑所有KF和LM(我把LM当成了关键点MP)

本文的创新点：
  1.提出了基于VIO的中心化协同SLAM框架——COVINS，该框架保证较好精度，并且可以用于大规模(实验使用12架UAV)
  2.设计了一个动态agent接入方式，留出接口，更灵活，贴合实际
  3.框架中的通信模块功能做了拓展，移除通信模块的ROS依赖性，使用p2p方式，之前可能是局域网，本文中使用TCP通信协议。可以把server扩展到云端(虽然实验中没太体现云端优势，但如果任务计算大的话，云可能还是更好)
  4.前端使用更先进的ORB-SLAM3完成VIO(之前用ORB-SLAM2)，会使agent建立局部地图精度上升
  5.后端增加交互模块，更贴合实际应用

本文基础：
  本文基于： CVI-SLAM - Collaborative Visual-Inertial SLAM。相比这个做了一些改进：
    1、前端提供接口，动态接入
    2、大规模
    3、place recognition部分不区分回环检测和地图融合

  与分布式结构相比：避免重复计算信息，具有更高准确性

未来方向：
  1.数量继续提升(hundreds of)
  2.前端使用移动设备
  3.场景扩展至多user AR

开源代码：
VIS4ROB-lab/covins (github.com)

因作者水平有限，如有错误之处，请在下方评论区指正，谢谢！