基于轻量化智能的多机协同SLAM系统

陈昌川全锐杨张谦夏佩敏乔飞

重庆邮电大学通信与信息工程学院2. 清华大学电子工程系3. 北京交通大学软件学院

视觉多机协同SLAM主要以相机作为传感器，并通过多机器人合作实现定位与建图。然而，在面对复杂环境时前端计算量过大，易导致整体系统精度不理想。启发于REVO和SVO算法的轻量化特点，本文提出一种基于轻量化智能的多机协同SLAM系统，旨在降低前端计算资源的同时提升系统可扩展性。本文工作主要包括以下贡献：提出改进REVO算法—L-REVO，通过轻量化改进实现前端实时运行；将L-REVO融合CCMSLAM系统后端，提出一种完整的多机协同SLAM架构；调整前端传感器和算法，分别验证前端为同构或异构时对系统性能的影响。在公开数据集TUM上，相比CCMSLAM系统，该系统两种模式下定位精度分别提高了59.4%和31.6%，能效比提升了8倍。最后，将该系统用于室内场景实验，前端功耗仅1.43W，验证了所提系统的可行性和有效性。