地面机器人深度估计和相对定位的框架

葡萄牙波尔图大学和瑞典KTH皇家理工学院的研究人员最近开发了一个框架，该框架可以估算正在协作完成给定任务的两个地面机器人的深度和相对姿态。在arXiv上预先发表的一篇论文中概述了它们的框架，可以帮助提高多个机器人在涉及探索，操纵，覆盖，采样和巡逻以及搜索和救援任务的任务中的性能。

近年来，研究人员进行了越来越多的研究，旨在开发解决方案以有效地协调分散架构中的多个机器人。为了有效地完成一组任务，群或编队中的各个机器人应至少部分了解周围环境中其他特工的姿势。

这种与姿势有关的数据(称为相对姿势信息)使代理可以优化给定目标的功能，重新计划其轨迹并避免与其他机器人发生碰撞。但是，在某些实际环境中，特工可能难以获得准确的相对姿势估计。例如，在偏远地区或僻静地区执行极端任务时，机器人可能会遇到通讯通道以及高精度定位或运动捕捉系统的问题。

考虑到这一点，来自波尔图大学和KTH的研究人员团队着手开发一种框架，该框架可以增强为共同目标而共同努力的地面机器人的3-D深度估计和相对姿势估计。他们特别关注了一种场景，其中涉及两辆自动地面车辆在未知的环境中航行，均配备了透视相机。

研究人员在论文中解释说：“深度估计问题旨在恢复环境的3D信息。” “相对定位问题包括通过感知彼此的姿势或共享有关感知环境的信息来估计两个机器人之间的相对姿势。”

机器人中用于深度估计和相对定位的大多数现有解决方案都是通过分析不连续的数据集来工作的，而无需考虑事件的时间顺序。另一方面，研究人员提出的方法考虑了两个机器人分别通过其相机收集的信息，然后将其组合起来以计算它们之间的相对姿势。由两个代理和输入命令收集的深度估计信息被馈送到扩展卡尔曼滤波器(EKF)，该滤波器设计用于处理此数据并估计机器人之间的相对姿态。