第十一講 后端2

本節(jié)目標

理解 Pose Graph 優(yōu)化。

理解因子圖優(yōu)化。

理解增量式圖優(yōu)化的工作原理。

通過實驗掌握 g2o 的 Pose Graph 優(yōu)化與 gtsam 的因子圖優(yōu)化。
一、位姿圖
1）Pose Graph的意義
我們可以構建一個只有軌跡的圖優(yōu)化，而位姿節(jié)點之間的邊，可以由兩個關鍵幀之間通過特征匹配之后得到的運動估計來給定初始值。不同的是，一旦初始估計完成，我們就不再優(yōu)化那些路標點的位置，而只關心所有的相機位姿之間的聯(lián)系了。通過這種方式，我們省去了大量的特征點優(yōu)化的計算，只保留了關鍵幀的軌跡，從而構建了所謂的位姿圖（Pose Graph）

2)Pose Graph 的優(yōu)化
簡而言之，所有的位姿頂點和位姿——位姿邊構成了一個圖優(yōu)化，本質上是一個最小二乘問題，優(yōu)化變量為各個頂點的位姿，邊來自于位姿觀測約束。記 E 為所有邊的集合，那么總體目標函數(shù)為：

總結

以上是生活随笔為你收集整理的视觉SLAM十四讲第十一讲的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。