视频链接
室内机器人系统的长期视觉定位与建图主要面临的问题包括:
缺乏长期采集的数据以及真值,环境随时间的变化,多机协作等。
作者对于以上问题提出的解决方案有:
缺乏数据:
发布了室内多传感器数据集 openLORIS-scene, 以及室内外长期激光数据集。
针对环境变化:
- 提出DXSLAM:现有基于深度学习成果的集大成者(利用superpoint替换orb, 利用hfnet做定位)
- 提出RaP-Net:在图像中的静态稳定区域提取关键点。
多机协作:
A collaborative visual slam framwork for Service Robots. IROS 2021.
同一场景中的机器人共享同一个地图,边缘服务器维护场景地图库,每个终端只执行视觉里程计维护局部地图,并与服务器实时同步。
地图同步问题?
如何共享路标用于定位?(根据先验位姿预测可视区域,检索区域内的地标进行定位)。
高效优化地图?
前沿探索:用神经网络持续建图
continual nerual mapping: 随新观测,更新网络权重,无需存储历史数据。
挑战:快速在线训练、回环、编码更多信息?