Peremhálózat alapú VSLAM keretrendszer erőforrás-korlátozott platformokhoz
An Edge Assisted VSLAM Framework for Resource Constraint Platforms
Kulcsszavak:
localization and mapping, data compression, edge computing, resource constraint devices, /, helymeghatározás, térkép készítés, peremhálózati számítás, adattömörítés, erőforrás-korlátozott eszközökAbsztrakt
Visual Simultaneous Localization and Mapping (VSLAM) play a fundamental role in enabling mobile robots to localize and construct maps of their surrounding environments. However, the intensive computational demands of VSLAM restrict its deployment on resource-constrained platforms. This paper introduces an edge-assisted VSLAM framework that partitions the computational workload between mobile robots and a centralized edge device.
Kivonat
A vizuális egyidejű helymeghatározás és térkép készítés (VSLAM) alapvető szerepet játszik abban, hogy a mobil robotok képesek legyenek meghatározni helyzetüket és térképet készítsenek környezetükről. Azonban a VSLAM számításigényes jellege korlátozza annak alkalmazását erőforrás-korlátozott platformokon. Jelen cikk egy peremhálózat alapú VSLAM keretrendszert mutat be, amely a számítási terhelést megosztja a mobil robot és egy központi edge - eszköz között.
Hivatkozások
Macario Barros, A., Michel, M., Moline, Y., Corre, G., & Carrel, F. (2022). A Comprehensive Survey of Visual SLAM Algorithms. Robotics, 11(1), 24.
Hofer, Johannes, Peter Sossalla, Christian L. Vielhaus, Justus Rischke, Martin Reisslein, and Frank HP Fitzek. ”Comparison of Analyze-Then-Compress Methods in Edge-Assisted Visual SLAM.” IEEE Access (2023).
L. Zheng, K. Xu, J. Jiang, M. Wei, B. Zhou, and H. Cheng, ”Real-time efficient environment compression and sharing for multi-robot cooperative systems,” IEEE Trans. Intell. Veh., vol. 10, no. 1, pp. 1–14, 2024.
G. S. Martins, D. Portugal, and R. P. Rocha, ”A comparison of general-purpose FOSS compression techniques for efficient communication in cooperative multi-robot tasks,” in Proc. 11th Int. Conf. Informat. Control, Autom. Robot. (ICINCO), vol. 2, 2014, pp. 136–147.
L. Zhang and J. Deng, ”Deep compressed communication and application in multi-robot 2D-Lidar SLAM: An intelligent Huffman algorithm,” Sensors, vol. 24, no. 10, p. 3154, 2024.
X. Liu, S. Wen, J. Zhao, T. Z. Qiu, and H. Zhang, ”Edgeassisted multi-robot visual-inertial SLAM with efficient communication,” IEEE Trans. Autom. Sci. Eng., vol. 22, no. 4, pp. 2186–2198, 2024.
R. Zhong, Y. Bai, A. Wang, Z. Hu, and H. Fang, ”Centralized multi-robot visual SLAM and scene reconstruction,” in Proc. 43rd Chinese Control Conf. (CCC), 2024, pp. 3748–3754.
F. Li, S. Yang, X. Yi, and X. Yang, ”Corb-slam: A collaborative visual slam system for multiple robots,” in Proc. 13th Int. Conf. Collaborative Computing: Networking, Applications and Worksharing (CollaborateCom), 2017, pp. 480-490.
A. J. Ben Ali, M. Kouroshli, S. Semenova, Z. S. Hashemifar, S. Y. Ko, and K. Dantu, ”Edge-SLAM: Edge-assisted visual simultaneous localization and mapping,” ACM Trans. Embedded Comput. Syst., vol. 22, no. 1, pp. 1-31, 2022.
J. Sturm, N. Engelhard, F. Endres, W. Burgard, and D. Cremers, ”A benchmark for the evaluation of RGB-D SLAM systems,” in Proc. Int. Conf. Intelligent Robot Systems (IROS), 2012, pp. 573-580.
R. Mur-Artal, J. M. M. Montiel, and J. D. Tardós, ”ORBSLAM: A versatile and accurate monocular SLAM system,” IEEE Trans. Robot., vol. 31, no. 5, pp. 1147-1163, 2015.
