Distributed Pose-graph Optimization with Multi-level Partitioning for Collaborative SLAM

这篇文章讨论了分布式协作同时定位与地图构建（DCSLAM）的后端模块，需要在分布式环境下解决非线性姿态图优化问题，也称为SE(d)同步。大多数现有的分布式图优化算法采用简单的顺序分区方案，由于每个机器人的不同地理位置，可能导致不平衡的子图维度，从而增加了额外的通信负载。此外，当前黎曼优化算法的性能可以进一步提高。在本文中，我们提出了一种新颖的分布式姿态图优化算法，结合多级分区和加速的黎曼优化方法。首先，我们采用多级图分区算法对原始姿态图进行预处理，以构建一个平衡的优化问题。此外，受加速坐标下降方法的启发，我们设计了一种改进的黎曼块坐标下降（IRBCD）算法，并得到的临界点是全局最优的。最后，我们评估了四种常见图分区方法对子图间相关性的影响，并发现最高方案具有最佳的分区性能。此外，我们进行了模拟实验，定量证明了我们提出的算法优于现有的分布式姿态图优化协议。

本文旨在解决分布式协作同时定位和地图构建（DCSLAM）中的非线性姿态图优化问题，结合多级分区和加速Riemannian优化方法提出了一种新的分布式姿态图优化算法。

本文提出的算法结合了多级图分区和加速Riemannian优化方法，通过多级图分区算法处理原始姿态图，得到一个平衡的优化问题，然后使用改进的Riemannian块坐标下降（IRBCD）算法求解。

本文发现最高方案在图分区方面表现最佳。实验结果表明，本文提出的算法优于现有的分布式姿态图优化协议。

最近的相关研究包括“Distributed Optimization for Multi-Agent Systems with Coupled Constraints”和“Distributed Optimization of Multi-Agent Systems with Second-Order Coupling and Performance Guarantees”。