以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# Graph-based Global Robot Localization Informing Situational Graphs with Architectural Graphs 論文地址：https://arxiv.org/abs/2305.09295
作者單位：盧森堡大學(xué) ?在本文中，我們提出了一種基于體系結(jié)構(gòu)規(guī)劃的腿部機(jī)器人定位方案。我們對(duì)這一目標(biāo)的具體貢獻(xiàn)有幾點(diǎn)。首先，我們開發(fā)了一種將建筑平面圖轉(zhuǎn)換為我們所表示的建筑圖形(A-Graph)的方法。當(dāng)機(jī)器人開始在環(huán)境中移動(dòng)時(shí)，我們假設(shè)它對(duì)此一無所知，并估計(jì)其周圍環(huán)境的在線態(tài)勢(shì)圖表示(S-Graph)。我們開發(fā)了一種新的圖對(duì)圖匹配方法，以將從機(jī)器人傳感器在線估計(jì)的S-圖與從建筑平面圖中提取的AG圖相關(guān)聯(lián)。注意這方面的挑戰(zhàn)，因?yàn)镾圖可能顯示整個(gè)A圖的部分視圖，它們的節(jié)點(diǎn)是不同的，并且它們的參考幀是不同的。在匹配之后，兩個(gè)圖被對(duì)齊和合并，從而產(chǎn)生我們所表示的知情情景圖(IS-Graph)，通過它我們實(shí)現(xiàn)了機(jī)器人的全局定位和利用建筑計(jì)劃中的先驗(yàn)知識(shí)。實(shí)驗(yàn)表明，與幾種LiDAR定位基線相比，我們的方法具有更高的穩(wěn)健性和更低的位姿誤差。 ?我們的方法可以分為三個(gè)主要階段。在第一個(gè)圖中，為給定的環(huán)境創(chuàng)建了一個(gè)A-Graph，其中節(jié)點(diǎn)代表BIM模型中可用的語(yǔ)義特征，特別是墻面、門和房間作為圖節(jié)點(diǎn)，邊緣包含相關(guān)的關(guān)系信息，例如包括一面墻的兩個(gè)墻面、連接房間的四個(gè)墻面和通過門連接的房間。在第二階段，在機(jī)器人上實(shí)時(shí)運(yùn)行，使用3D激光雷達(dá)測(cè)量來估計(jì)S-Graph。我們的S-Graph的節(jié)點(diǎn)對(duì)應(yīng)于諸如墻面和房間之類的語(yǔ)義，邊對(duì)應(yīng)于這些墻面和相關(guān)房間節(jié)點(diǎn)之間的約束。最后，為了在這種環(huán)境中定位機(jī)器人，提出了一種圖匹配算法，利用來自兩個(gè)圖的分層信息來提供最佳匹配候選者，最終產(chǎn)生融合兩者信息的iSGraphs，最后一張圖將用于全局定位。 本文主要貢獻(xiàn)如下： 1、基于BIM模型構(gòu)建的分層優(yōu)化A-Graph，擴(kuò)展S-Graph因子，具有新穎的墻壁和門口因子。 2、A-圖和s -圖之間的一種新的分層圖匹配。 3、生成iS-Graphs，通過A-Graph和S-Graph的融合實(shí)現(xiàn)基于圖形的機(jī)器人全局定位。 4、在不同建筑工地收集的模擬和真實(shí)數(shù)據(jù)集上驗(yàn)證所提出的解決方案，獲得最先進(jìn)的結(jié)果。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容