为了降低大规模场景下特征关联和非线性优化问题的复杂度,本文提出了一种方法,自适应的提出部分鲁棒特征,同时提升了效率和精度,还基于这种特征选取策略提出了多机器人激光SLAM算法。
特征选择算法
arg
max
S
k
⊂
F
k
l
o
g
[
d
e
t
[
Λ
(
S
k
)
]
]
\mathop{\arg\max}_{S_k\subset F_k}log[det[\Lambda(S_k)]]
argmaxSk⊂Fklog[det[Λ(Sk)]]
特征选择算法的目的是尽可能保持信息矩阵谱特征的前提下,从特征中选择一个子集。本文采用的评价函数是行列式的对数。
由于最佳特征选择方法是NP hard的,本文采取基于贪婪算法特征选取策略。
由于环境可能欠约束,良好特征的数量会显著下降。本文提出了一种自适应的特征数量估计策略。本文基于实验,提出了信息矩阵行列式对数的阈值,低于阈值的情况,认为环境可能存在欠约束,降低选取特征的数量。
SLAM系统
本文的系统基于LeGO-LOAM,但是局部优化和全局优化都在提取的良好特征子集上进行。