摘要 - 协作同时本地化和映射(CSLAM)对于使多个机器人在复杂的环境中运行至关重要。大多数CSLAM技术都依赖于原始传感器测量或低级功能,例如关键帧描述符,由于对环境的深入了解,这可能导致错误的循环封闭。此外,机器人之间这些测量值和低水平特征的交换需要大量数据传输,这限制了系统的可扩展性。为了克服这些局限性,我们提出了多个S-Graphs,这是一种分散的CSLAM系统,它利用嵌入了四层层次结构和可优化的情境图中的高级语义相关信息,用于合作图的生成和本地化,同时最小化机器人之间交换的信息。为了支持这一点,我们提出了一个新颖的房间描述符,该描述符及其连接的墙壁用于执行机器人间循环封闭,以应对多机枪绑架的问题初始化的挑战。在模拟和真实环境中进行了多个实验,验证了所提出方法的准确性和鲁棒性的提高,同时减少了与其他最先进方法相比,机器人之间交换的数据量。docker图像中可用的软件:https:// github.com/snt-arg/multi_s_graphs_docker
主要关键词