.png){kind=icon}
返回
ID(O): Mapping Data Quantization for Bathymetric Collaborative SLAM
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2025.3641755.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下声学通信具有带宽有限、高延迟和低可靠性等特点，为水深协同同时定位与建图（CSLAM）中的数据交换带来了显著挑战。本文介绍了一种名为ID(O)的新型向量量化（VQ）方法，用于水深CSLAM的地图数据压缩。ID(O)将地图编码为索引图（$\mathbb {I}$）、中心深度图（$\mathbb {D}$）和方向图（$\mathbb {O}$）。为适应严格的通信约束，方向信息可部分或全部排除在传输之外，并提出了一种在地图恢复过程中估计这些方向的方法。此外，我们将ID(O)集成到一个基于特征的水深CSLAM框架中，命名为TTT CSLAM。在两个大规模海上试验数据集上的大量实验表明，ID(O)比使用主成分分析（PCA）的基线方法在恢复精度上提高了约40%。带有ID(O)的TTT CSLAM在地图精度和效率方面可与无损压缩相媲美，且在40%丢包率及大航位推算漂移误差的多样化环境中表现出鲁棒性。据作者所知，ID(O)是首个用于水深数据压缩的VQ方法，而带有ID(O)的TTT CSLAM是首个在由声学调制解调器构成的水下通信网络中进行测试的水深CSLAM。
Keyword:
Autonomous vehicle navigation
bathymetric navigation
marine robotics
multirobot systems
simultaneous localization and mapping (SLAM)
期刊
IF:
10.5
论文数:
3.3K
被引数:
2.8W
机构
引用论文
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏Cooperative bathymetry-based localization using low-cost autonomous underwater vehicles.png)
AUTONOMOUS ROBOTSOAAI
AUTONOMOUS ROBOTSIF4.3
OAAI分享收藏Online Stochastic Variational Gaussian Process Mapping for Large-Scale Bathymetric SLAM in Real Time
PREAI
分享收藏An efficient strategy for data exchange in multi-robot mapping under underwater communication constraints在 underwater communication constraints 下多机器人建图中数据交换的高效策略
PREAI
分享收藏
查看更多内容