【RAL 2022】轨迹估计性能提升49%！数据高效的协作分散式热惯性里程计
作者: 自动驾驶之心
作者简介: 自动驾驶之心官方唯一授权B站号。专注自动驾驶全栈技术与产业交流！
描述: 论文链接：https://rpg.ifi.uzh.ch/docs/RAL22_Polizzi.pdf 视频链接：https://www.youtube.com/watch?v=KahAhSxC9_8&ab_channel=UZHRoboticsandPerceptionGroup 我们提出了一种系统解决方案，使用热图像和惯性测量为飞行机器人团队实现数据高效、分散的状态估计。每个机器人都可以独立飞行，并在可能的情况下交换数据以改进其状态估计。我们的系统前端应用在线光度校准来细化热图像，以增强特征跟踪和位置识别。我们的系统后端使用协方差交叉融合策略来忽略代理之间的互相关，从而降低内存使用和计算成本。通信管道使用本地聚合描述符向量 (VLAD) 来构建需要低带宽使用的请求-响应策略。我们在合成数据和真实数据上测试我们的协作方法。我们的结果表明，相对于单个代理方法，所提出的方法提高了高达 46% 的轨迹估计，同时减少了高达 89% 的通信交换。数据集和代码向公众发布，扩展了已经公开的 JPL xVIO 库。
