以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

(资料图片仅供参考)

#论文# ClusterFusion: Real-time Relative Positioning and Dense Reconstruction for UAV Cluster

论文地址：https://arxiv.org/pdf/2304.04943.pdf

作者单位：西北工业大学

随着机器人技术的进步，稠密点云图的需求越来越大。然而，单架无人机稠密重建受到飞行速度和电池电量的限制，导致重建速度慢、覆盖范围低。集群无人机系统为地图构建提供了更大的灵活性和更广泛的覆盖范围。现有的集群无人机方法面临着精确相对定位、尺度漂移和高速稠密点云图生成的挑战。为了解决这些问题，我们提出了一个用于大规模稠密重建和实时协同定位的集群框架。框架前端是一种改进的视觉测程，可以有效地处理大型场景。

通过两阶段联合优化算法和相对姿态优化算法实现无人机之间的协同定位，有效实现无人机的精确相对定位，缓解尺度漂移。利用估计姿态实现点云图的实时稠密重建与融合。为了评估我们提出的方法的性能，我们对真实世界的数据进行了定性和定量实验。结果表明，该框架能够有效抑制比例尺漂移，实时生成大尺度稠密点云图，且重构速度随着无人机数量的增加而提高。

本文贡献如下：

1、提出了一种集群重构框架，该框架能够以较低的计算和通信成本扩展无人机数量，实时执行协同重构任务。

2、我们提出了一种两阶段联合优化算法，可以优化局部姿态和尺度，并估计相对姿态，而不会产生很高的通信成本。

3、为实现无人机之间更精确的姿态估计，提出了一种基于单应性的相对姿态优化方法，该方法首先检测图像间的共视关系，然后对相对姿态进行优化。

4、创建现实世界中多个无人机大规模3D稠密重建的数据集，可供公众访问。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容