Kooperatív vizuális SLAM rendszer járműalapú környezetérzékelésre

Károly Fodor; András Rövid

doi:10.24228/KTSZ.2026.3.4

Károly Fodor Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedés és Járműmérnöki Kar, Gépjárműtechnológiai Tanszék
András Rövid Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedés és Járműmérnöki Kar, Gépjárműtechnológiai Tanszék

DOI: https://doi.org/10.24228/KTSZ.2026.3.4

Kulcsszavak: lokalizáció, GNSS-integráció, kooperatív vSLAM, önvezető járművek

Absztrakt

Az önvezető járművek számára kulcsfontosságú a környezet pontos felmérése és a megbízható lokalizáció. Ehhez egy kooperatív vizuális SLAM rendszert ismertetünk, ahol az egyik jármű monokuláris kamerával térképet készít, és ezt a térképet GNSS referencia koordinátákkal globális méretarányra kalibrálja. A második jármű a létrehozott már globális koordináta-rendszerben értelmezett térképet felhasználva vizuálisan lokalizálja magát. A bemutatott módszer kiértékeléshez egy saját készítésű adatszettet használtunk. Az eredmények alapján megállapítható, hogy a módszer növeli a helymeghatározás pontosságát és lehetővé teszi a térképek újrafelhasználását a járművek között.

Hivatkozások

Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I., Leonard, J. J. (2016) Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age. IEEE Transactions on Robotics, 32(6), pp. 1309–1332. DOI: https://doi.org/10.1109/TRO.2016.2624754

Campos, C., Elvira, R., Gómez Rodríguez, J. J., Montiel, J. M. M., Tardós, J. D. (2021) ORB-SLAM3: An accurate open source library for visual, visual–inertial, and multimap SLAM. IEEE Transactions on Robotics, 37(6), 1874–1890. DOI: https://doi.org/10.1109/TRO.2021.3075644

Chen, X., Miao, Y., Wang, J., Li, Y. (2018) GVORB-SLAM: A GPS-aided visual SLAM system. ISPRS International Journal of Geo-Information, 7(11), 425. DOI: https://doi.org/10.36227/techrxiv.23898246

Geiger, A., Lenz, P., Stiller, C., Urtasun, R. (2012) Vision meets robotics: The KITTI dataset. International Journal of Robotics Research, 32(11), pp. 1231–1237. DOI: https://doi.org/10.1177/0278364913491297

Grupp, M. (2017) evo: Python package for the evaluation of odometry and SLAM [Computer software]. GitHub repository. URL: https://github.com/MichaelGrupp/evo

Kiss, B., Illés, G., Tóth, C. K. (2019) GPS-SLAM: Global localization using visual SLAM and GPS measurements. Sensors, 19(12), 2740.

Leutenegger, S., Lynen, S., Bosse, M., Siegwart, R., Furgale, P. (2015) Keyframe-based visual–inertial odometry using nonlinear optimization. International Journal of Robotics Research, 34(3), pp. 314–334. DOI: https://doi.org/10.1177/0278364914554813

Macenski, S., Foote, T., Gerkey, B., Lalancette, F., Woodall, W. (2022) Robot Operating System 2: Design, architecture, and uses in robotics. Science Robotics, 7(66), eabm6074. DOI: https://doi.org/10.1126/scirobotics.abm6074

Mur-Artal, R., Montiel, J. M. M., Tardós, J. D. (2015) ORB-SLAM: A versatile and accurate monocular SLAM system. IEEE Transactions on Robotics, 31(5), pp. 1147–1163. DOI: https://doi.org/10.1109/TRO.2015.2463671

Mur-Artal, R., Tardós, J. D. (2017). ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras. IEEE Transactions on Robotics, 33(5), pp. 1255–1262. DOI: https://doi.org/10.1109/TRO.2017.2705103

Qin, T., Li, P., Shen, S. (2018) VINS-Mono: A robust and versatile monocular visual–inertial state estimator. IEEE Transactions on Robotics, 34(4), pp. 1004–1020. DOI: https://doi.org/10.1109/TRO.2018.2853729

Scaramuzza, D., Fraundorfer, F. (2011) Visual odometry [Tutorial]. IEEE Robotics & Automation Magazine, 18(4), 80–92. DOI: https://doi.org/10.1109/MRA.2011.943233

Wang, Y., Zhang, J., Zhao, H. (2022) Map reuse and cooperative localization for multi-agent SLAM systems. Robotics and Autonomous Systems, 148, 103922.

Zhang, J., Singh, S. (2014) LOAM: Lidar odometry and mapping in real-time. In Proceedings of Robotics: Science and Systems (RSS). DOI: https://doi.org/10.15607/RSS.2014.X.007

Zhang, Z., Qin, T., Shen, S. (2019) LD-SLAM: A robust and efficient monocular SLAM system based on line and point features. IEEE Robotics and Automation Letters, 4(2), pp. 1378–1385.