SLAM后端优化的简要描述

1.图优化理论中,本质还是优化理论,主要涉及最小均方二次优化方法。这里的图与组合数学的图论还是有些区别,这里的图只是一个形象的比喻,本质是优化理论

SLAM后端优化的简要描述_第1张图片

2.激光雷达扫描位置从P0开始,沿着P1,P2,……,一直到Pn-1,Pn。结束点Pn在起始点P0附近。Pn的坐标位置可以通Pn-1获得,当然也可以通过P0获得。显然由于误差存在问题,Pn分别从Pn-1和P0获得的坐标不一样。如通过Scan to scan,Pn通过P0获得的坐标准确点,通过Pn-1获得的坐标误差大点,因为累计误差较大;如果把所有测量看做约束,Pose_graph 中节点为优化量,构建方程。

那么怎么办,简单方法就是可以通过Pn-1和P0的加权平均得到Pn的位置坐标。这样,Pn-1的位置坐标也要更新了,同样Pn-2,Pn-3等等都需要重新更新一下。因此我们需要一个统一的方法去处理如上的问题。

SLAM后端优化的简要描述_第2张图片SLAM后端优化的简要描述_第3张图片

SLAM后端优化的简要描述_第4张图片

 

你可能感兴趣的:(slam)