基于轻量化智能的多机协同SLAM系统

视觉多机协同即时定位与地图构建(SLAM)主要以相机作为传感器,并通过多机器人合作实现定位与建图。然而,在面对复杂环境时前端计算量过大,易导致整体系统精度不理想。启发于REVO和SVO算法的轻量化特点,提出一种基于轻量化智能的多机协同SLAM系统,旨在降低前端计算资源的同时提升系统可扩展性。提出改进REVO算法—L-REVO,通过轻量化改进实现前端实时运行;将L-REVO融合CCMSLAM系统后端,提出一种完整的多机协同SLAM架构;调整前端传感器和算法,分别验证前端为同构或异构时对系统性能的影响。在公开数据集TUM上,相比CCMSLAM系统,该系统两种模式下定位精度分别提高了59.4%和31.6%,能效比提升了8倍。最后,将该系统用于室内场景实验,前端功耗仅1.43 W,验证了所提系统的可行性和有效性。