使用 g2o 进行BA调整：优化相机位姿和三维点

简介： 在计算机视觉和机器人领域，准确估计相机位姿和三维点位置对于诸如三维重建、增强现实和同时定位与地图构建（SLAM）等应用至关重要。稀疏束调整（Sparse Bundle Adjustment，SBA）是一种流行的技术，通过基于观察到的二维-三维对应关系对它们进行优化。在本篇博客中，我们将探讨如何使用 C++ 中的 g2o 库执行 SBA。

1. 稀疏束调整（SBA）简介：

   • 对 SBA 的简要概述及其在计算机视觉和机器人领域的重要性。
   • 解释优化问题：通过最小化重投影误差来优化相机位姿和三维点位置。

2. g2o 概述：

   • 介绍 g2o 库，这是一个功能强大的 C++ 库，用于优化基于图的非线性误差函数。
   • g2o 的特性和功能，用于执行 SBA 和其他优化任务。

3. 代码解释：

   • 逐步解释提供的 C++ 代码，用于使用 g2o 执行稀疏束调整。
   • 解释从文件读取数据、设置优化问题、向优化器添加顶点和边以及执行优化迭代的函数。

4. 理解数据：

   • 描述示例中使用的数据：三维点、相机位姿和二维-三维对应关系。
   • 准确数据表示的重要性及其在成功束调整中的作用。

在给定的代码中，主要涉及到了g2o库中的一些API，这些API是用来构建和优化稀疏图优化问题的。下面是一些主要API的参数解释

1. g2o::SparseOptimizer：

   • setAlgorithm(algorithm)：设置优化算法，参数 algorithm 是一个指向优化算法的指针，用于指定优化过程中采用的算法。
   • setVerbose(true)：设置是否输出优化过程的详细信息，参数 true 表示输出详细信息。

2. g2o::VertexSE3Expmap：

   • setId(vertex_id)：设置顶点的ID，参数 vertex_id 是顶点的唯一标识符。
   • setFixed(true)：设置顶点是否固定，参数 true 表示将顶点固定，不参与优化。
   • setEstimate(g2o::SE3Quat(poses[i].block<3, 3>(0, 0), poses[i].block<3, 1>(0, 3)))：设置顶点的初始估计值，参数是一个 SE3Quat 类型的对象，表示位姿的旋转和平移部分。

3. g2o::VertexSBAPointXYZ：

   • setId(vertex_id)：设置顶点的ID，参数 vertex_id 是顶点的唯一标识符。
   • setEstimate(points3d[i])：设置顶点的初始估计值，参数是一个 Eigen::Vector3d 类型的对象，表示3D点的坐标。