Los puntos clave no están disponibles para este artículo en este momento.
Con sistemas que realizan Localización y Mapeo Simultáneos (SLAM) desde un solo robot alcanzando una considerable madurez, la posibilidad de emplear un equipo de robots para llevar a cabo una tarea de manera colaborativa ha atraído un interés creciente. Prometiendo un gran impacto en una plétora de tareas que van desde la inspección industrial hasta la digitalización de estructuras arqueológicas, la percepción colaborativa de escenas y el mapeo son clave en la estimación eficiente y efectiva. En este documento, proponemos una arquitectura centralizada novedosa para SLAM monocular colaborativo empleando múltiples pequeños Vehículos Aéreos No Tripulados (UAV) como agentes. Cada agente es capaz de explorar de forma independiente el entorno ejecutando SLAM de memoria limitada a bordo, mientras envía toda la información recopilada a un servidor central, una estación terrestre con recursos computacionales aumentados. El servidor gestiona los mapas de todos los agentes, activando el cierre de bucles, la fusión de mapas, la optimización y la distribución de información de vuelta a los agentes. Esto permite que un agente incorpore observaciones de otros en sus estimaciones de SLAM sobre la marcha. Ponemos a prueba el marco propuesto empleando un algoritmo de SLAM monocular basado en keyframes nominal, demostrando la aplicabilidad de este sistema en escenarios multi-UAV.
Building similarity graph...
Analyzing shared references across papers
Loading...
Patrik Schmuck
ETH Zurich
Margarita Chli
University of Bonn
ETH Zurich
Building similarity graph...
Analyzing shared references across papers
Loading...
Schmuck et al. (Mon,) estudiaron esta cuestión.
synapsesocial.com/papers/6a01c5d7e8ec6bd19dcafd8c — DOI: https://doi.org/10.1109/icra.2017.7989445
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: