For multi-robot systems to efficiently coordinate and collaborate during missions, it is essential for the robots to estimate their poses and map the surrounding environment. Such an approach is commonly known as multi-robot Simultaneous Localization and Mapping (SLAM). However, depending on the nature of the mission, it is possible that the relative poses between the local coordinates of the robots are unknown. In such scenarios, the robots have to build maps in their local coordinates first and then merge the maps by inferring the relative poses between the local coordinates during or after the exploration. The inference is achieved through inter-robot loop closures, which are measurement constraints between two robot trajectories. These are perception-derived measurements that can be obtained from two robots observing the same place. However, as perception-derived measurements rely on the similarity of two instances of sensor data, two different places could be wrongly identified as the same location if they exhibit similar appearances. This phenomenon, called perceptual aliasing, can be observed in environments with repetitive patterns, such as indoor settings, and it produces false loop closures, thereby leading to catastrophic failure to the SLAM system. In this thesis, we propose a robust inter-robot loop closure selection method that rejects outlier measurements through maximum weight clique considering both the consistency of the loop closures and the similarity between the sensor data associated with the loop closure. The algorithm is tested on an experimental dataset to validate the performance of the method and the result is discussed in comparison to a state-of-the-art algorithm.
임무 수행 중 다중 로봇 시스템의 효율적인 조정과 협업을 위해서는 로봇의 자세를 추정하고 주변 환경을 매핑하는 것이 필수적이고, 이러한 접근 방식을 일반적으로 다중 로봇 SLAM이라 한다. 그러나 임무의 특성에 따라 로봇의 로컬 좌표계 간의 상대적인 자세 정보를 알 수 없는 경우가 있다. 이러한 시나리오에서 로봇은 먼저 로컬 좌표로 매핑을 수행한 후 탐색 중 또는 후에 로컬 좌표 간 상대적 자세를 추정하여 맵을 병합해야 한다. 상대적 자세는 두 로봇의 궤적 사이의 제약 조건인 로봇 간 루프 폐쇄로 추정되며, 이는 두 로봇이 동일 환경에 대해 관찰한 인식 기반 측정 결과로부터 정의된다. 그러나 이 측정 결과는 센서 데이터 간 유사도에 의존하기 때문에 두 개의 다른 장소가 유사한 외형적 특징을 나타낼 경우, 같은 장소로 잘못 식별할 수 있다. 지각 앨리어싱이라 하는 이 현상은 실내 환경과 같이 반복적인 패턴을 가진 환경에서 관찰될 수 있고, 이는 잘못된 로봇 간 루프 폐쇄를 생성하여 SLAM 시스템에 오류를 일으킬 수 있다. 본 논문에서는 루프 폐쇄의 일관성과 이에 상응하는 센서 데이터의 유사도를 고려하여 최대 가중 클릭을 통해 정확한 측정을 선별하는 강인한 로봇 간 루프 폐쇄 기법을 제안한다. 제안하는 알고리즘은 실제 실험 데이터를 통해 성능을 검증하였고, 최신 알고리즘과의 결과 비교를 하여 수행하였다.
