融合双词袋模型与GNC优化的多机器人协同视觉SLAM

摘要

为解决视觉同步定位与建图技术(SLAM)在多机器人协同场景中存在定位精度下降和鲁棒性不足的问题，提出一种融合双词袋模型与渐进非凸性(GNC)位姿优化的多机器人协同视觉SLAM框架.前端里程计对满足关键帧插入条件的帧定期提取加速稳健特征，在后端位置识别阶段构建相匹配的双词袋模型，实现多视角与多光照条件下异构特征的互补融合.位姿优化阶段融合GNC鲁棒估计器，借助自适应权重迭代机制逐步剔除异常约束，使优化过程更为稳健可靠.在公开EuRoC数据集构建的多机器人实验场景中进行实验验证，实验结果表明：与面向集中式的协同视觉-惯性SLAM系统(COVINS)方法相比，各测试序列的轨迹均方根误差分别下降了30.55%、 25.71%、 16.52%和25.49%,该算法可显著提升定位精度和鲁棒性.

关键词

视觉同步定位与建图 / 词袋模型 / GNC算法 / 多机器人系统

基金资助

福建省科技厅引导性基金资助项目（2022H0007）