每天一分钟，带你读遍机器人顶级会议文章
标题：Cloud-based Collaborative 3D Mapping in Real-Time with Low-Cost Robots
作者：Gajamohan Mohanarajah, Vladyslav Usenko, Mayank Singh, Raffaello D’Andrea, and Markus Waibel
来源：IEEE Transactions on Automation Science and Engineering 2015
编译：王慧国
播音员：火箭姚小麦
欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权
摘要
今天介绍的文章是“Cloud-based Collaborative 3D Mapping in Real-Time with Low-Cost Robots”——在低成本的机器人上实现基于云协作的3D建图，该文章发表在Transactions on Automation Science and Engineering 2015。
对于多个低成本机器人基于云协作下的3D建图，这篇文章展示了相应的体系结构，协议和并行算法。
图为框架结构图，主要包括云端数据处理中心和各个机器人操作实体
每个机器人都在一个类手机处理器上运行一个稠密视觉里程计算法。视觉里程计所产生的关键帧被发送到云中，进而进行并行优化和根据其他机器人产生的地图进行融合。优化之后，云再将相应更新的位姿发送给各个机器人。
所有流程都由Rapyuta管理，Rapyuta是一个在商业数据中心运行的云机器人框架。本文包括协同建图的定性可视化，以及定位精度，带宽使用，处理速度和地图存储的定量评估。
更多关于Rapyuta的信息，可访问：https://github.com/rapyuta/rce
PS：另外在文中，我们有看到其视觉里程计部分是使用直接法，那么自然的，在回环检测的时候还是用到了SURF特征的词袋（有待讨论）；再者关于多机器人共视问题，在文中可以理解为各机器人所建地图之间的重叠问题，它使用地图中的随机关键帧来作为对比，这种方法是否高效直接，希望大家交流。在此仅提供一些可商讨的点，以期有益于大家。
如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。点击http://rapyuta.org/_media/mohtase14-2.pdf，即可获取英文下载。
联系客服
