标签：FS Collaborative Localization Inertial Visual VIP Sharing 视觉 数据包

张宁 On Data Sharing Strategy for Decentralized Collaborative Visual-Inertial Simultaneous Localization and Mapping

Rodolphe Dubois, Alexandre Eudes, Vincent Fr´emont
链接：https://pan.baidu.com/s/1DGEZtJ7H7eITfyyns7h06A
提取码：zvcu

Abstract—This article introduces and evaluates two decentralized data sharing algorithms for multi-robot visualinertial simultaneous localization and mapping (VI-SLAM): Factor Sparsification for Visual-Inertial Packets (FS-VIP) and Min-K-Cover Selection for Visual-Inertial Packets (MKCS-VIP). Both methods make robots regularly build and exchange data packets which describe the successive portions of their map, but rely on distinct paradigms. While FS-VIP builds on consistent marginalization and sparsification techniques, MKCSVIP selects raw visual and inertial information which can best help to perform a faithful and consistent re-estimation while reducing the communication cost. Performances in terms of accuracy and communication loads are evaluated on multirobot scenarios built on both available (EUROC) and custom datasets (SOTTEVILLE).

本文介绍并评估了用于多机器人视觉惯性同时定位和建图（VI-SLAM）的两种分散数据共享算法：视觉惯性数据包的因子稀疏（FS-VIP）和视觉惯性数据包的最小K覆盖选择（ MKCS-VIP）。两种方法都使机器人可以定期构建和交换描述其地图连续部分的数据包，但要依靠不同的范例。FS-VIP建立在一致的边缘化和分散技术的基础上，而MKCSVIP选择原始的视觉和惯性信息，这些信息可以最有效地执行忠实和一致的重新估计，同时降低通信成本。在基于可用（EUROC）和自定义数据集（SOTTEVILLE）构建的多机器人方案中评估准确性和通信负载方面的性能。

标签：FS,Collaborative,Localization,Inertial,Visual,VIP,Sharing,视觉,数据包
来源： https://www.cnblogs.com/feifanrensheng/p/12232465.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。