论文地址:http://arxiv.org/pdf/1909.12198v2.pdf 代码:https://github.com/mistlab/door-slam.git 来源:加拿大蒙特利尔理工大学计算机和软件工程学院 论文名称:DOOR-SLAM: Distributed, Online, and Outlier Resilient SLAM forRobotic Teams 原文作者:Pierre-YvesLajoie
为了实现协作任务,团队中的机器人需要对环境及其在其中的位置有一个共同的认知。分布式的SLAM系统提供了一个实用的解决方法,不需要外部提供GPS信息,以及更小的信息交换的前提下可以实现机器人的协同定位。不幸的是,目前的分布式SLAM系统容易受到环境和传感器噪声的影响,因此算法中多是倾向于使用非常保守的参数进行机器人间位置识别。然而由于过于保守的参数设置丢失了很多有效的回环检测候选帧,导致算法轨迹精度下降。本文提出了一个完整了分布式SLAM算法系统DOOR-SLAM,可以有效了抑制离群噪声点的影响,并且在较少的预设参数下可以运行良好。DOOR-SLAM采用点对点的通信方式,并且不需要不需要所有机器人全部链接。该系统包含了两个关键的模块:第一,设计了一个位姿优化器,融合了分布式pairwise consistent measurementset maximization算法可以有效的去除机器人间错误的回环检测。第二,提出一种分布式SLAM前端算法,不需要交换原始传感器数据就能实现机器人间的闭环检测。该系统已在仿真、基准数据集和现场试验中进行了评估,并且测试了没有gps定位的地下环境。DOOR-SLAM提出了一个多机器人的闭环检测算法,能够成功的抑制噪声点的影响,在使用较低的通信带宽的基础上,可以得到精确的机器人运动轨迹。
下面是论文具体框架结构以及实验结果:
人工智能,每日面试题:
判断:两个变量的 Pearson 相关性系数为零,但这两个变量的值同样可以相关?
A正确
B 错误
每日面试题,答案:
号主答案:A
解析:Pearson相关系数只能衡量线性相关性,但无法衡量非线性关系。如y=x^2,x和y有很强的非线性关系。
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请联系删除。