标题：LAMP: Large-Scale Autonomous Mapping and Positioning for Exploration of Perceptually-Degraded Subterranean Environments
作者：Kamak Ebadi1, Yun Chang2, Matteo Palieri1, Alex Stephens1, Alex Hatteland1, Eric Heiden3, Abhishek Thakur4 Nobuhiro Funabiki1, Benjamin Morrell1, Sally Wood5, Luca Carlone2, Ali-akbar Agha-mohammadi1
机构：1 California Institute of Technology, 2 Massachusetts Institute of Technology,3 University of Southern California, 4 Aptiv, 5 Santa Clara University
来源：ICRA 2020
编译：段逸凡
审核: wyc
本文转载自泡泡机器人SLAM。仅作为学术交流，如有侵权，请联系删除。
大家好，今天为大家带来的文章是
LAMP: Large-Scale Autonomous Mapping and Positioning for Exploration of Perceptually-Degraded Subterranean Environments
在未知复杂的地下环境（例如矿洞）中进行SLAM是一件困难的任务。困难如下：
1.
传感器必须在非标称的环境（光照差， 充满灰尘水坑等环境）下工作；
2.
地面不平坦并且湿滑，使车轮里程计不准；
3.
没有明显的特征的长廊容易导致漂移；
4.
例如隧道和矿石等具有重复外观的环境，容易导致错误的闭环检测，从而使整个地图严重变形。
本文描述了一个在DARPA地下挑战赛中的基于激光雷达的多机器人SLAM系统。提出了一个更适合地下场景的SLAM架构，包含一个精准的前端，以及可拒绝虚假闭环的鲁棒后端。
1. 描述了一个多机器人的系统架构
2. 对现有激光SLAM算法进行改进
(1) 基于scan-to-scan和scan-to-submap的前端
(2) 可以融合多个传感器数据和操作员输入的后端
(3) 使用增量一致测量集最大化算法（ICM）来拒绝错误的闭环检测
图二展示了多机器人SLAM的结构。本地机器人运行的程序包括一个激光雷达前端用于计算位姿变化以及检测闭环，以及一个视觉前端用于人工制品的检测及定位。本地的后端使用位姿图优化估计位姿以及人工制品的位置，并且还使用ICM进行错误闭环的检测。对于每一个机器人i，使用Gi和Xi表示位姿图和机器人i的位置，Pi表示机器人i周围的点云。当机器人在基站的通信范围之内时，机器人将元组（Xi，Pi，Gi）发送到基站，基站通过搜索地图之间的潜在闭环以及忽略异常闭环来进一步融合和优化所有的估计。
(1)雷达前端以LOAM的前端为基础。首先使用PCL库的体素滤波，然后使用GICP算法进行scan-to-scan的匹配。与此同时为了提高估计位姿的精度，还进行了scan-to-submap的匹配。两个模块产生的位姿都被传递到后端。
(2)回环检测
将当前帧的数据，与给定半径（10m）内的关键帧进行比较。使用GICP进行匹配，通过检查适应度来决定是否检测到闭环。值得一提的是，在进行GICP时，这里使用了零位移作为初始值。不使用之前得到的位姿的原因是，在狭窄的矿道里容易陷入局部最优解。
3.视觉前端和人工制品定位
这一部分的目标是检测目标物体，以及获得其相对机器人的位置。主要使用YOLO检测目标生成2D boundingbox，并使用RGBD的深度信息进行位置的估计。
4.位姿图后端
使用GTSAM实现。实现的功能有：
1. 增加是回环检测产生的约束
2. 把多机器人产生的单个位姿图合并
3. 融合通过ROS,RVIZ人为手动增加的闭环
5.
Incremental Consistent Measurement Set Maximization
ICM是拒绝错误闭环的算法, 其由成对的一致性测量集最大化算法（PCM）修改得到。本文将其修改为可实时用于单机器人或多机器人的算法。ICM分为以下三个步骤：
里程计检查：
在检测到一个闭环时，我们可以得到两种位姿变化。一种为闭环检测中检测得到的位姿变化, 另一钟为沿着闭环的路径计算得到的位姿变化，定义误差为：
成对一致性检查：
使用和上面一样的定义，对i到j的回环以及k到l的回环，定义误差：
这里我们建立了一个邻接矩阵，来跟踪哪两个闭环成对一致。
增量一致性最大化：
到目前为止，我们使用里程计检查来拒绝异常值，并使用邻接矩阵来跟踪哪对闭环是一致的。当一个闭环可以通过里程计检查时，邻接矩阵将添加关于这个闭环的行与列。最后通过寻找邻接矩阵中的最大团来找到一组相互一致的闭环。最大团中的闭环将被添加到图中，而不在团中的闭环将被当做离群点舍弃。
