学术报告：研究dagmap在多无人机SLAM中的应用

研究作者与发表信息

该研究由 Seongjoon Park 和 Hwangnam Kim 完成，隶属于韩国高丽大学电气工程学院(Seoul, Korea University, School of Electrical Engineering)。研究成果发表在国际期刊《Drones》2022年第6卷第34篇文章中。文章题为“dagmap: multi-drone slam via a dag-based distributed ledger”，于2022年1月20日正式发表。通讯作者为 Hwangnam Kim，作者邮箱 hnkim@korea.ac.kr，联系电话 +82-2-3290-4821。

学术背景

科学领域及研究动机

该研究聚焦于多无人机同步定位与建图（Simultaneous Localization and Mapping, SLAM）的关键问题。SLAM是无人机自主导航及室内环境操作的核心技术，通过传感器数据处理实现环境地图的重建及自身位置的变化感知。然而，在多无人机SLAM情境下，实现实时、多无人机地图数据共享与融合构成了系统的瓶颈。这种场景下的挑战包括： 1. 大规模地图的扩展性问题； 2. 高效整合多无人机的局部地图并生成全球地图； 3. 克服计算资源及网络约束的问题。

传统SLAM大多采用集中式方法在中央处理单元上完成地图数据的合并，但这种方法面对资源受限的多无人机部署场景时表现出明显的性能瓶颈。

研究目标

为解决上述问题，该研究提出了一种基于有向无环图（Directed Acyclic Graph, DAG）的分布式账本技术（Distributed Ledger Technology, DLT）即“dagmap系统”，以实现无需集中控制、多无人机在线地图融合的多机器人SLAM系统。此方法旨在克服传统区块链（Blockchain）技术在构建全球3D地图方面的限制，同时提升计算效率与能耗性能。

研究工作流程

总流程概述

研究的核心是在多无人机网络中，利用分布式账本技术的概念，将多无人机的建图数据表示为DAG结构。研究通过以下步骤设计并实验验证了dagmap系统： 1. 系统架构设计； 2. DAG的构建与管理； 3. 有效特征点的验证与确认机制； 4. 地图共识算法开发； 5. 系统实现与实验评估。

详细研究过程

1. 系统架构设计

dagmap系统设计为一个独立于现有SLAM模块的层次架构，确保系统的模块化与移植性。在整体架构中，每个无人机通过视觉传感器获取环境的3D特征数据，并利用DAG的分布式特性同步与融合这些数据以构建全球地图。DAG结构被用来管理3D特征点的相互关系，以减少地图合并过程的计算开销。

2. DAG的构建与管理

每个无人机将采集到的新3D特征点组织为邻接的DAG结构（Adjacency DAG）。具体步骤如下： - 系统首先生成一个网格化的参考节点集（绿色节点），表示初始的地图参考框架。 - 新提取的每个3D特征点被测量其与现有“终点”（未被其他特征引用的节点）的距离，并选择若干个最近的终点作为其“父节点”。新的特征点被插入DAG中，形成新的节点并与父节点建立关系。 - 对于超出允许子节点数量的节点，系统将其从终点集合中移除，避免构建过长的DAG链条导致管理性能下降。 - DAG构建通过邻接性验证的方式降低错误特征点被纳入数据库的风险。

3. 有效特征点的验证与确认机制

为了筛选有效3D特征点，dagmap为每个新特征点配备一个“有效性”变量（Validity）。系统通过以下方式验证特征点的有效性： - 当一个特征点在DAG中被多个后续特征点引用时，其有效值会不断累积； - 一旦有效值超过某一阈值，特征点被认定为有效，并形成一个“交易”（Transaction），以分类打包和广播的方式分享至整个多无人机系统。

这种交易确认机制有效减少了噪声特征点的传播。

4. 地图共识算法开发

dagmap通过特性点的局部验证及多无人机间的重复观察统计比对机制实现全局地图的共识： - 每当一架无人机从其他无人机接收到一组新的特征点“交易”时，它会寻找自己的DAG中是否存在匹配的特征点。 - 如果匹配成功，系统累加该特征点“命中”（Hit）的次数；否则，将新的特征点加入DAG，记为“未命中”（Miss）。 - 系统根据“命中/未命中”的比率过滤无效特征点，并重新组织特征集合。

5. 系统实现与实验评估

研究团队通过Python语言实现了dagmap，并设计了基于ROS（Robot Operating System）的实验环境： - 硬件平台包括装载Tara立体摄像头的Robotis Burger机器人。 - 实验主要利用微小空间环境，评估多无人机协同地图生成及不同视角重叠区域的地图融合表现。 - 实验特别关注网络流量的稳定性和地图噪声过滤的效果。

研究主要结果

研究获得了以下关键发现： 1. 全球地图融合能力：dagmap能高效整合多个无人机生成的局部地图，并生成动态更新的3D全球地图； 2. 噪声过滤效果：系统基于“命中/未命中”的共识过程有效筛除虚假3D特征，特别在复杂环境中展现了较好的表现。 3. 效率与稳定性：dagmap通过组织有效特征点为交易打包，避免了传统SLAM集体广播特征点可能引起的网络负载峰值，证明了其作为多无人机网络的一种稳定高效方案。

实验表明，该系统在屏蔽噪声特征和网络流量稳定性方面优于传统集中式SLAM方法。

研究结论及研究意义

该研究展示了dagmap系统在多无人机SLAM应用中显著的优势。其科学与应用价值集中体现在以下几点： 1. 科学创新点： - 首创将DAG结构引入分布式3D地图的数据管理与验证，提供了新型方法论。 - 显著优化现有区块链技术在无人机资源受限网络环境下的适应性。 2. 实际应用价值： - 适用于无人机网络、机器人集群以及IoT（物联网）场景中的实时地图生成。 - 提供了强鲁棒性分布式算法，为实现真正去中心化的多无人机系统铺平了道路。

研究亮点

1. 设计了适配多无人机建图需求的DAG改进算法，解决了传统SLAM系统的问题；
2. 提出了多无人机特征点的分布式验证与交易机制，确保了全球地图的可靠性；
3. 通过实验验证了dagmap在复杂环境下减少噪声及均衡网络流量的能力。

该研究成果为多无人机分布式协同导航提供了全新的理论与实践基础，并表现出了较大的扩展性与应用潜力。