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

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

#論文# AdaptSLAM: Edge-Assisted Adaptive SLAM with Resource Constraints via Uncertainty Minimization

論文地址：https://arxiv.org/abs/2301.04620

作者單位：杜克大學(xué)

開源代碼：https://github.com/i3tyc/AdaptSLAM

? ? ?邊緣計算被越來越多地提出作為減少運(yùn)行同步定位與建圖(SLAM)算法的移動設(shè)備的資源消耗的解決方案，大多數(shù)邊緣輔助的SLAM系統(tǒng)都假設(shè)移動設(shè)備與邊緣服務(wù)器之間的通信資源是無限的，或者依靠啟發(fā)式來選擇要傳輸?shù)竭吘壍男畔ⅰ?/span>

? ? 本文提出了一種適應(yīng)現(xiàn)有通信和計算資源的邊緣輔助視覺(V)和視覺慣性(VI) SLAM系統(tǒng)AdaptSLAM，基于我們開發(fā)的一種理論基礎(chǔ)方法，該方法選擇關(guān)鍵幀子集(代表幀)，在資源約束下構(gòu)建移動設(shè)備和邊緣服務(wù)器的最佳本地和全局地圖。

? ? 我們實現(xiàn)了AdaptSLAM與最先進(jìn)的開源Vand VI-SLAM ORB-SLAM3框架一起工作，并證明，在有限的網(wǎng)絡(luò)帶寬下，與最佳基線方法相比，AdaptSLAM將跟蹤誤差降低了62%。

本文貢獻(xiàn)如下：1、第一個基于邊緣輔助架構(gòu)的V-和VI-SLAM地圖不確定性量化模型 2、在計算和通信資源預(yù)算的情況下高效選擇關(guān)鍵幀子集以構(gòu)建局部和全局地圖的分析基于算法 3、在兩種配置的移動設(shè)備上對AdaptSLAM進(jìn)行綜合評估

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容