時間：2021
作者：

??Multi-UAV Collaborative Monocular SLAM的后續之作，關于之前那篇可參照：《論文筆記》Multi-UAV Collaborative Monocular SLAM
??協作智能體數達到12個(目前最多的)
面向場景：
??AR/VR需求，協同營救
控制方式：
??中心化方式
初始條件：
??多agent(具有在線VIO能力)+server(可以是本地服務器或云服務器)
系統模型：

??Agent本身帶有VIO功能，維護自身Local map，并可以通過通信模塊和server通信完善自身信息
??server模塊受map manager調度，為每個agent初始化一個server map。map manager有權限訪問server map庫及KF(key frame) Database。優化部分提供兩種優化。External Interface模塊提供和外界交互。

??下面介紹下系統模型一些細節：
??map manager的工作可概括如下：
??1.控制server map的更新及融合(當place Rec模塊識別時進行更新，Place Rec基于詞袋模型)
??2.控制place Rec模塊進行公共區域的檢測(兩種情況：同一server map的回環檢測，不同server map的map fusion)
??3.控制優化及冗余數據(包括冗余的KF和LM)的刪除
??4.控制外部接口和用戶對接(其實沒有很理解這部分的作用，也沒從后面實驗看到什么體現~)
??5.負責保持map的一致性(特別是多個server map融合后，多個agent對應該融合map)
??兩種優化具體：
??1.PGO(Pose-Graph Optimization)
??PGO使用的時間兩種情況，一是回環檢測之后，對server map進行PGO。二是定期執行，進一步降低地圖細化的頻率，從而更好的平衡由于持續優化而受到限制的地圖訪問，并達到預期的高地圖精度
??2.GBA(Global Bundle Adjustment)
??GBA由server進行控制，GBA考慮所有KF和LM(我把LM當成了關鍵點MP)

本文的創新點：
??1.提出了基于VIO的中心化協同SLAM框架——COVINS，該框架保證較好精度，并且可以用于大規模(實驗使用12架UAV)
??2.設計了一個動態agent接入方式，留出接口，更靈活，貼合實際
??3.框架中的通信模塊功能做了拓展，移除通信模塊的ROS依賴性，使用p2p方式，之前可能是局域網，本文中使用TCP通信協議。可以把server擴展到云端(雖然實驗中沒太體現云端優勢，但如果任務計算大的話，云可能還是更好)
??4.前端使用更先進的ORB-SLAM3完成VIO(之前用ORB-SLAM2)，會使agent建立局部地圖精度上升
??5.后端增加交互模塊，更貼合實際應用

本文基礎：
??本文基于： CVI-SLAM - Collaborative Visual-Inertial SLAM。相比這個做了一些改進：
????1、前端提供接口，動態接入
????2、大規模
????3、place recognition部分不區分回環檢測和地圖融合

??與分布式結構相比：避免重復計算信息，具有更高準確性

未來方向：
??1.數量繼續提升(hundreds of)
??2.前端使用移動設備
??3.場景擴展至多user AR

開源代碼：
VIS4ROB-lab/covins (github.com)

因作者水平有限，如有錯誤之處，請在下方評論區指正，謝謝！

總結

以上是生活随笔為你收集整理的《论文笔记》COVINS: Visual-Inertial SLAM for Centralized Collaboration的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。