Исследование SLAM-фреймворков для монокулярных мобильных роботов в проекте Duckietown
https://doi.org/10.25205/1818-7900-2021-19-4-36-49
Аннотация
Статья посвящена оценке применимости SLAM фреймворков для задачи мобильных роботов проекта Duckietown. Проведен сравнительный анализ существующих SLAM алгоритмов и фреймворков, были отобраны фреймворки с учетом всех ограничений, накладываемых роботами проекта. Приведены практические результаты апробации фреймворка OpenVSLAM как на данных реального окружения Duckietown, так и на данных симулятора Duckietown.
При поддержке: Работа выполнена при поддержке JetBrains Research
Об авторах
А. Д. Девятовская
Новосибирский государственный университет
Россия
Россия
Александра Денисовна Девятовская, студентка
Новосибирск
Н. Е. Бирючков
Новосибирский государственный университет
Россия
Россия
Никита Евгеньевич Бирючков, студент
Новосибирск
Т. В. Лях
Новосибирский государственный университет
Россия
Россия
Татьяна Викторовна Лях, кандидат технических наук
Новосибирск
К. В. Чайка
Санкт-Петербургский государственный электротехнический университет; Лаборатория алгоритмов мобильных роботов JetBrains Research
Россия
Россия
Константин Владимирович Чайка, аспирант
Санкт-Петербург
Список литературы
1. Лях Т. В., Зюбин В. Е., Гаранина Н. О. Автоматизированная верификация алгоритмов управления сложными технологическими объектами на программных имитаторах // Вестник НГУ. Серия: Информационные технологии, 2018. Т. 16, № 4. С. 85–94.
2. Малышев А. Г., Полыгалов А. С., Алямкин С. А. Автоматическое тегирование изображений одежды // Вестник НГУ. Серия: Информационные технологии. 2020. Т. 18, № 2. С. 54–61. DOI 10.25205/1818-7900-2020-18-2-54-61
3. Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard. Non-linear Constraint Network Optimization for Efficient Map Learning. IEEE Transactions on Intelligent Transportation Systems, 2009, vol. 10, no. 3, pp. 428–439.
4. Raúl Mur-Artal, and Juan D. Tardós. ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras. In: ArXiv preprint arXiv:1610.06475, 2016.
5. Jakob Engel, Prof. Vladlen Koltun, Prof. Daniel Cremers. DSO: Direct Sparse Odometry. In: ArXiv preprint arXiv:1610.06475, 2017.
6. Kin Leong Ho, Paul Newman. Loop closure detection in SLAM by combining visual and spatial appearance. Robotics Auton. Syst., 2006, vol. 54, pp. 740–749.
7. Baichuan Huang, Jun Zhao, Jingbin Liu. A Survey of Simultaneous Localization and Map-ping with an Envision in 6G Wireless Networks. In: arXiv:1909.05214v2, 2019.
8. Michael Kaess, Ananth Ranganathan and Frank Dellaert. iSAM: Incremental Smoothing and Mapping. IEEE Transactions on Robotics (TRO), 2008, vol. 24, no. 6, pp. 1365–1378.
9. Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard. Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters. IEEE Transactions on Robotics, 2007, vol. 23, pp. 34–46.
10. Hess W., Kohler D., Rapp H., and Andor D. Real-Time Loop Closure in 2D LIDAR SLAM. In: Robotics and Automation (ICRA), IEEE International Conference, 2016, pp. 1271–1278.
11. Tiar R., Lakrouf M., and Azouaoui O. Fast ICP-SLAM for a Bi-Steerable Mobile Robot in Large Environments. In: IEEE International Workshop of Electronics, Control, Measurement, Signals and their Application to Mechatronics (ECMSM), 2015, pp. 1–6.
12. Tonghui Wang, Guoyun Lv, Shikai Wan, gHaili Li, Baicen Lu SIFT Based Monocular SLAM with GPU Accelerated. CHINACOM Springer, 2018. DOI 10.1007/978-3-319-78139-6_2
13. Kurt Konolige, Giorgio Grisetti, Rainer Kummerle, Wolfram Burgard, Benson Limket-kai, and Regis Vincent. Efficient sparse pose adjustment for 2d mapping. In: IEEE / RSJ In-ternational Conference on Intelligent Robots and Systems, 2010, pp. 22–29.
14. Stefan Kohlbrecher, Oskar Von Stryk, Johannes Meyer, and UweKlingauf. A flexible and scalable slam system with full 3d motion estimation. In: IEEE International Symposium on Safety, Security, and Rescue Robotics, 2011, pp. 155–160.
15. Luca Carlone, Rosario Aragues, Jos ´e A Castellanos, and Basilio Bona. A linear approximation for graph-based simultaneous localization and mapping. Robotics: Science and Systems, 2012, no. 7, pp. 41–48.
16. Steux B. and Hamzaoui O. A slam algorithm in less than 200 lines c-language program. In: Proc. of the Control AutomationRobotics & Vision (ICARCV). Singapore, 2010, pp. 7–10.
17. Baichuan Huang, Jun Zhao, Jingbin Liu A Survey of Simultaneous Localization and Map-ping. In: ArXiv:abs/1909.05214, 2019.
Рецензия
Для цитирования:
Девятовская А.Д., Бирючков Н.Е., Лях Т.В., Чайка К.В. Исследование SLAM-фреймворков для монокулярных мобильных роботов в проекте Duckietown. Вестник НГУ. Серия: Информационные технологии. 2021;19(4):36-49. https://doi.org/10.25205/1818-7900-2021-19-4-36-49
For citation:
Devyatovskaya A.D., Biryuchkov N.E., Liakh T.V., Chaika K.V. SLAM in Duckietown Simulator Using the OpenVSLAM Framework. Vestnik NSU. Series: Information Technologies. 2021;19(4):36-49. (In Russ.) https://doi.org/10.25205/1818-7900-2021-19-4-36-49
Просмотров:
163
Послать статью по эл. почте 