[论文解读] Simultaneous Localization and Mapping (SLAM) using RTAB-MAP

Sagarnil Das|arXiv (Cornell University)|Sep 9, 2018

Robotics and Sensor-Based Localization参考文献 1被引用 15

一句话总结

该论文在模拟环境中实现了RTAB-Map的实时2D和3D同步定位与地图构建（SLAM），采用基于外观的回环检测并结合ORB-SLAM，以实现长期映射的鲁棒性。在厨房-餐厅环境中成功实现了66次全局回环检测，并成功重建了详细的2D占用网格图和3D点云，展示了RTAB-Map在复杂环境中大规模实时SLAM的有效性。

ABSTRACT

This paper implements Simultaneous Localization and Mapping (SLAM) technique to construct a map of a given environment. A Real Time Appearance Based Mapping (RTAB-Map) approach was taken for accomplishing this task. Initially, a 2d occupancy grid and 3d octomap was created from a provided simulated environment. Next, a personal simulated environment was created for mapping as well. In this appearance based method, a process called Loop Closure is used to determine whether a robot has seen a location before or not. In this paper, it is seen that RTAB-Map is optimized for large scale and long term SLAM by using multiple strategies to allow for loop closure to be done in real time and the results depict that it can be an excellent solution for SLAM to develop robots that can map an environment in both 2d and 3d.

研究动机与目标

• 开发一种能够在未知环境中实时构建精确2D和3D地图的SLAM系统。
• 在模拟环境中评估RTAB-Map在大规模和长期映射场景下的性能。
• 评估基于外观的回环检测在保持地图一致性与定位精度方面的有效性。
• 展示在RTAB-Map中集成ORB-SLAM以实现实时3D重建与回环检测的可行性。
• 探索RTAB-Map在复杂室内环境中用于机器人导航与环境制图的实际部署潜力。

提出的方法

• 在两个模拟环境（厨房-餐厅和自定义的sagar-cafe世界）中使用RTAB-Map执行SLAM。
• 基于机器人导航过程中收集的传感器数据，生成2D占用网格图和3D八叉树地图。
• 采用ORB-SLAM算法实现回环检测，实现实时识别先前访问过的位置。
• 系统结合蒙特卡洛定位（MCL）与占用网格制图，实时估计机器人位姿并更新地图。
• 配置启动文件以管理仿真（world.launch）、遥控操作（teleop.launch）、RTAB-Map节点执行（mapping.launch）以及可视化（rviz.launch）。
• 将映射数据存储在rtabmap.db数据库中，并导出3D点云以供可视化与分析。

实验结果

研究问题

• RQ1 RTAB-Map能否在模拟环境中基于外观的回环检测实现实时、大规模的2D和3D SLAM？
• RQ2 基于ORB-SLAM的回环检测机制在长时间机器人导航过程中检测与纠正回环的效率如何？
• RQ3 在多次穿越同一环境的情况下，RTAB-Map在多大程度上保持了地图的一致性与定位精度？
• RQ4 在存在高度差异或透明屏障等结构挑战的环境中，RTAB-Map的映射能力存在哪些局限性？
• RQ5 未来如何扩展RTAB-Map以实现障碍物检测与WiFi信号强度制图，以提升机器人应用中的导航鲁棒性与环境感知能力？

主要发现

• RTAB-Map系统成功构建了厨房-餐厅环境中详细的2D占用网格图与3D点云地图，对桌椅、墙壁等物体的特征保真度较高。
• 在厨房-餐厅环境中，系统实现了66次全局回环检测，表明其在长时间导航中具有出色的回环检测性能。
• 在厨房-餐厅环境中，3D点云重建准确捕捉了环境特征，经由RTAB-Map查看器与RViz的视觉检查得到验证。
• 在sagar-cafe世界中，机器人未能进入厨房区域，可能由于高度差异或透明门的存在，表明系统在处理物理障碍物方面存在局限性。
• 系统表现出实时性能，地图更新稳定，回环检测可靠，这一结果得到了rtabmap.db数据库与可视化结果的证实。
• 未来可扩展的方向如障碍物提取与WiFi信号强度制图被识别为提升导航鲁棒性与环境感知能力的潜在途径。