Block-Map-Based Localization in Large-Scale Environment

准确的定位技术对于机器人在大规模环境中进行灵活导航是必不可少的。基于SLAM和基于地图的定位都会增加计算负担，因为地图规模的增加会影响机器人导航和服务等下游任务。为此，我们提出了一种基于块地图（BMs）的定位系统，以减少维护大规模地图所造成的计算负担。首先，我们介绍了一种生成块地图及相应切换策略的方法，确保机器人可以通过加载局部地图信息在大规模环境中估计状态。其次，引入了基于分支定界搜索（BBS）在3D地图中进行全局定位以提供初始位姿。最后，采用基于图形的优化方法，结合动态滑动窗口，确定机器人是暴露在BM中还是切换到另一个BM，从而维持位姿跟踪的准确性和效率。我们在公开的大规模数据集上进行了比较实验。结果表明，该方法可以在地图规模达到6公里以上时跟踪机器人的姿态，同时在NCLT和M2DGR上保证了高效和准确的定位。

论文旨在解决机器人在大规模环境中进行准确定位的问题，同时减少地图规模对计算负载的影响。

通过基于块地图的定位系统，减少维护大规模地图所带来的计算负载，保证机器人在大规模环境中进行准确定位。

论文提出了生成块地图和相应切换策略的方法，采用分支定界搜索进行全局定位，采用基于图的优化方法进行动态滑动窗口的边缘化，实验表明该方法在大规模数据集上仍能保证准确性和效率。

与本论文相关的研究有SLAM、地图匹配、定位与导航等方面的研究。