SLAM中利用舒尔补求解稀疏Hessian的逆

最新推荐文章于 2025-06-08 13:22:48 发布
最新推荐文章于 2025-06-08 13:22:48 发布
阅读量1.5k 收藏 4
点赞数
CC 4.0 BY-SA版权
分类专栏： # VIO 文章标签： 舒尔补 增量方程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fb_941219/article/details/99937188
本文探讨了SLAM(即时定位与地图构建)中利用舒尔补求解大规模稀疏Hessian矩阵的逆问题。通过介绍舒尔补原理及Cholesky因式分解，阐述了如何有效提升GN、LM算法及DogLeg算法中增量方程的求解速度。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

SLAM中利用舒尔补求解稀疏Hessian的逆

0.引言

由于Hessian矩阵很大导致直接求逆会很慢很慢。包括求解GN、LM算法中的增量方程以及DogLeg算法中的GN步都可以用使用舒尔补进行加速求解！

1.Solved

可以利用稀疏性：

1.舒尔补
2.Cholesky因式分解

SLAM中首选舒尔补！

数学_使用舒尔补简化矩阵求逆
惊鸿一博
11-22 4013
使用舒尔补简化矩阵求逆，1.将待求逆矩阵M，拆分成2x2的分块矩阵。2.将2x2的分块矩阵，利用舒尔补，拆成3个对角矩阵。3.求解矩阵M的逆，就等于3个对角矩阵的逆的乘积。
通过稀疏扩展信息滤波实现SLAM,并与EKF-SLAM进行性能对比
liwusen的博客
03-02 3636
我们在EKF-SLAM方法的基础上，在本文中我们提出一种SLAM算法用最近特征点之间的信息，和地图中特征点与机器人位置的信息表示成一个后验概率函数（或者说与后验概率函数导出的转移矩阵）。
SLAM中的非线性优化-2D图优化之边缘化（舒尔补）/先验Factor/FEJ（十二）
最新发布
zl_vslam的博客
06-08 408
本文探讨了视觉惯性里程计中预积分和图优化存在的多解问题。当线性化点未固定时，系统会因状态更新而发散，类似于量子纠缠现象。为解决这一风险，需要引入先验信息来固定线性化点，确保解的唯一性。文中提出使用舒尔补操作和首次估计雅可比（FEJ）方法来规定先验信息，从而约束优化过程中状态变量的移动范围，避免系统发散。这种方法类似于限制刚体移动范围，使其仅在初始位置附近变化，最终获得稳定可靠的优化结果。
SLAM稀疏、半稀疏、稠密的区别
weixin_41150257的博客
11-16 1102
在SLAM（Simultaneous Localization and Mapping，即同时定位与地图构建）技术中，稀疏、半稀疏和稠密是描述地图构建方式时常用的术语，它们主要区别在于构建地图时使用的图像信息量和细节程度。稀疏、半稀疏和稠密SLAM在地图构建方式、信息量和细节程度等方面存在显著差异。在选择使用哪种类型的SLAM时，需要根据具体应用场景的需求和计算资源等因素进行综合考虑。
视觉SLAM常见的矩阵分解方式求解最小二乘问题（OR、LTLD、Cholesky、SVD）
Night___Raid的博客
08-25 2243
关于这个问题的内容比较多，也整理了相当一段时间，在写内容之前，我需要引用一些牛人的名人名言，以壮士气。 （1）故不积跬步，无以至千里；不积小流，无以成江海-荀子 （2）只收藏，不点赞的同学，人心都是肉长的。。。地主家也没有余粮啊。。。我想说的是。。。不赞不是好码农-马克.wangshuai （纯粹copy） 内容一 首先直接给出AX=B解的情况： （1）R(A)< r(A|B),方程组无解 （2）r(A)=r(A|B)=n,方程组有唯一解 （3）r(A)=r(A|B) < n,方程组有无穷解
视觉SLAM面试基础问题总结
超爱吃小蛋糕的66的博客
03-28 9269
本文主要梳理了一些大佬关于视觉SLAM方向的面经，对于其中的一些问题根据自己需要进行了一些补充，增加和补充了关于ORB-SLAM2相关的内容，在文末提供了ORB-SLAM和ORB-SLAM2的论文翻译和代码讲解视频，资源主要来自 泡泡机器人，有需要可以自行下载学习
CeresSolver采用稀疏矩阵求解大规模BA时参数块设定
卫少东个人博客
05-19 678
CeresSolver采用稀疏矩阵求解大规模BA时参数块设定 前言 在大规模BA求解中，通常会关注到相机位姿与路标参数构成矩阵的稀疏性，将相机位姿参数与路标点参数分组，采用舒尔补充等方法进行消元求解数据量大的组别，提升求解效率，具体可以参考ceres的LinearSolver¶部分。 在实际使用中，构造代价函数时需明确哪些参数为路标点参数，需要被消去；哪些参数为相机参数，首先求解，相当于将参数分组，并决定其消去的顺序。ceres内置了自动分组的方法，但有时不能奏效，此时就需要我们手工指定参数块的分组，并且来
SLAM中最小二乘优化
啊啦啦的博客
02-20 1485
文章目录BA最小二乘的本质最小二乘问题（Least-squares Minimization）超定方程正规方程的几何解释：适定方程因式分解LU分解Cholesky分解LDLT分解分块消元非线性最小二乘问题（Non-linear Least-squares）SLAM常用的迭代优化算法GN收敛性GN的缺点最速下降法LMDog-LegPCG求解方法求解状态量协方差求解稀疏形式鲁棒核函数未来问题(胡言论语...
SLAM的一些学习笔记
zhengbq_seu的博客
06-05 4023
目录 一．基础概念 1）关于Hx=g方程中 没有位姿与位姿的约束 H为什么是J的转置乘以J 2)关于雅克比矩阵： 2.1）所谓增量方程系数的路标部分为什么是对角阵 3）所谓边缘化 4）邻接矩阵(Adjacency Matrix) 5）关于非线性优化定位和稠密建图的深度滤波器 6）上采样和下采样 7）专有名词 二．各个开源代码 2.1 dso 前后端 滑动窗口 边缘...
slam迷惑（记录，看我将来能不能想通）
zhengbq_seu的博客
07-05 954
目录 1.2 sim3优化既然是为了使单目slam的scale统一，那么双目回环之类的还需要sim3优化吗？ 1.3　论文dso 先验具体指什么？由何而来？ 1.4 滤波法和关键帧法的区别？地图特征点的关联？ 已解决: １）看论文看到的所谓深度信息辅助，使得2D-2D变成3D-2D： 2)  在已知相机运动的情况下，稠密建图中是否需要块匹配？还是根据位姿直接就可以得到匹配像素点？ ...
Bundle Adjustment简述
热门推荐
记起来就随便写写
03-21 6万+
关于Bundle Adjustment简要介绍
SLAM基础——常见矩阵以及矩阵分解
雨落凡城的博客
07-20 1625
0 ???? 前言 本篇，多出自其他大佬的文章，厚着脸皮总结组织一下 1 ???? 矩阵求解 参考链接 https://blog.youkuaiyun.com/wangshuailpp/article/details/80209863 https://www.cnblogs.com/AndyJee/p/3846455.html 1-1 ???? 内容一：直接给出AX=B\bf{AX=B}AX=B解的情况。 （1）R(A)< r(A|B),方程组无解 （2）r(A)=r(A|B)=n,方程组有唯一解 （3）r(A)
SLAM学习——建图问题（一）
Hansry的博客
08-03 7591
1.单目稠密地图的构建在上述中，我们讨论的是稀疏地图的构建，但是在实际的定位、导航和壁障过程中，我们需要有稠密地图。常见的单目稠密地图的构建思路有： 1.单目：通过运动，得出运动轨迹，计算出运动的关系，通过三角测量计算出像素深度。（同下） 2.双目：利用俩个相机的视差计算出像素的深度。（吃力不讨好，但是大型场合可能有比较好的效果。） 3.RGBD：自带深度图，可直接得到像素的深度。（比较好，但
视觉SLAM常见的QR分解SVD分解等矩阵分解方式求解满秩和亏秩最小二乘问题（最全的方法分析总结）
wangshuailpp的博客
05-05 1万+
关于这个问题的内容比较多，也整理了相当一段时间，在写内容之前，我需要引用一些牛人的名人名言，以壮士气。 （1）故不积跬步，无以至千里；不积小流，无以成江海-荀子 （2）只收藏，不点赞的同学，人心都是肉长的。。。地主家也没有余粮啊。。。我想说的是。。。不赞不是好码农-马克.wangshuai （纯粹copy） 内容一 首先直接给出AX=B解的情况： （1）R(A)&lt; r(A|B),...
舒尔补理论Schur Compliment
10-24 3万+
在做slam的时候经常遇到的一个概念就是schur complement，了解这个概念，对于理解slam的优化过程也会有很大的帮助； 首先给出的是舒尔补的定义： 舒尔补的由来其实就是将一个矩阵变成对角阵的过程，比如在线性代数课程中会经常用到的Ax=B的求解，如果手动去求解的话就需要将矩阵A|b化简成为上三角矩阵或者下三角矩阵，主要用到的就是高斯消元法。 而舒尔补理论其实就是这个过程的一个...
SLAM基础——聊一聊信息矩阵
雨落凡城的博客
07-31 1万+
文章目录前言1 :book: 信息矩阵1-1 :bookmark: 信息矩阵是什么？有什么作用？1-2 :bookmark: 信息矩阵与Hessian矩阵的关系1-2-1 Hessian矩阵和H矩阵的关系1-2-2 Hessian或H矩阵和信息矩阵的关系2 :book: 信息矩阵与最小二乘的关联2-1 :bookmark: 先谈一谈常规的最小二乘2-2 :bookmark: 包含信息矩阵的最小二乘​3 :book: 信息矩阵如何更新的？3-1 :bookmark: 舒尔补介绍3-2 :bookmark: 在
SLAM基础——舒尔补介绍
雨落凡城的博客
07-31 6844
文章目录1:book: 舒尔补介绍1-1:bookmark: 舒尔补定义1-2:bookmark: 舒尔补的定理推导1-3 :bookmark: 用途：快速求矩阵的逆1-4:bookmark:用途：舒尔补在信息矩阵求解中的使用1-5:bookmark:用途： 舒尔补应用于多元高斯分布通过舒尔补分解多元高斯分布边际概率和条件概率的信息矩阵总结参考资料 1???? 舒尔补介绍 1-1???? 舒尔补定义 给定任意的矩阵块 M\mathbf{M}M ， 如下所示: M=[ABCD] \mathbf{M}=\lef
SLAM中的位姿图稀疏化
qq_35201208的博客
08-11 853
SLAM中的因子图稀疏化
矩阵运算_SLAM中用到的矩阵计算_基本公式及知识汇总
惊鸿一博
03-02 1893
1. 矩阵转置相关 设A和B为两个mxn的矩阵，为一个常数，则： 2. TODO 参考 6.5 矩阵的运算及其运算规则
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值