Лаборатория алгоритмов мобильных роботов
Конструктор SLAM алгоритмов для ROS
Цель проекта
- Cоздание фреймворка, который выступает в качестве конструктора SLAM-алгоритмов (исследователь должен сам соединить доступные компоненты и добавить необходимые модификации, запустить инструменты профилирования и оценки характеристик).
- Реализация полного набора базовых компонентов, которые могут быть собраны в самые общие (фундаментальные) SLAM-алгоритмы.
- Cоздание инфраструктуры и инструментов для отладки и анализа SLAM-алгоритмов.
- Cоздание сервиса по управлению наборами данных SLAM (преобразование, хранение, предоставление и пр.).
Среда
Все разрабатываемое программное обеспечение должно работать в Linux и Robot Operating System. Проведенное нами предварительное исследование широкого спектра существующих инструментов и сред, таких как MTK, MRPT и других, показало, что выбор ROS является наиболее перспективным.
Текущие задачи
- Поддержка компонентов для графических SLAM-методов.
- Реализация дополнительных scan matchers для лазерных SLAM.
- Поддержка расширенного набора датчиков и измерений (3D-сканирование, моно/стерео камеры).
- Реализации vergent stereo vision.
- Сервис наборов данных SLAM.
- ROS SLAM Testing Farm: виртуальная, основанная на контейнерах среда для полуавтономного тестирования SLAM-алгоритмов.
Публикации
Multi-Agent SLAM Approaches for Low-Cost Platforms
Апрель 2019
Anton Filatov, Krinkin Kirill
Modern SLAM (Simultaneous Localization and Mapping) algorithms launched on a moving agent are bounded with its computation resources. The consistent way out is to add more computing agents that might explore the environment quicker than one and thus to decrease the load of each agent. This paper presents the state of art in area of Multi-agent SLAM algorithms and describes problems that are faced in front of a developer of such approach. The outstanding problem of Multiagent SLAM - merging of maps built by separate agent during algorithm is also considered in this paper. Moreover the algorithm that extends laser 2D single hypothesis SLAM for multiple agents is introduced with evaluation of its performance.
Mobile Robot Pose Estimation Based on Position/Velocity Sensor Fusion
Апрель 2019
Kirill Krinkin, Artyom Filatov
An autonomous self driving platform receives information about environment using only its onboard sensors. And it seems obvious that using several sensors could provide more certain information with reduced measurement error. But a general question is how to fuse measurements from different kinds of sensors (like a camera and an accelerometer) to get refined data about a platform or world state. This paper presents a theory based on groups that proves a possibility of correctness of error extraction from a moving model. And there are results of application this theory on fusing measurements from two sensors: odometer and scan matcher
Методы сравнения качества 2D-SLAM-алгоритмов
2018
Ар. Ю. Филатов, Ан. Ю. Филатов, К. В. Кринкин, Б. Чен, Д. Молодан
Generator of 2D laser scan based datasets for ROS
2018
Arthur Huletski, Dmitriy Kartashov and Kirill Krinkin
Сравнение современных лазерных алгоритмов SLAM
2018
Ар. Ю. Филатов, Ан. Ю. Филатов, А. Т. Гулецкий, Д. А. Карташов, К. В. Кринкин
VinySLAM: An indoor SLAM method for low-cost platforms based on the Transferable Belief Model
Сентябрь 2017
Arthur Huletski; Dmitriy Kartashov; Kirill Krinkin
2D SLAM Quality Evaluation Methods
Август 2017
An. Filatov, Ar. Filatov, K. Krinkin, B. Chen, D. Molodan