ORB-SLAM2从理论到代码实现（九）：Bundle Ajustment(上)重投影、非线性优化

最新推荐文章于 2022-11-19 18:01:27 发布
最新推荐文章于 2022-11-19 18:01:27 发布
阅读量2.9k 收藏 15
点赞数 5
CC 4.0 BY-SA版权
文章标签： SLAM Bundle Ajustment Algorithm
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/qq_20123207/article/details/82731269

本人邮箱jinbo666888@qq.com,欢迎交流！

Bundle Adjustment可以翻译为光束法平差、束调整、捆集调整或者捆绑调整等等。但是我觉得还是英文来得更直观，下文统一简写为BA。它的本质是一个优化模型，其目的是最小化重投影误差。

1.重投影

相机在拍照时会把空间点投影到图像上，这是第一次投影。我们利用这些图像进行特征匹配，然后对匹配的特征点进行三角化，得到三维空间点位置（如上图中的x_{1},x_{2}）。最后我们利用计算得到的三维点的坐标（估计值，具有误差）和我们计算得到的相机矩阵（具有误差）进行第二次投影，也就是重投影。

这里我们把重投影误差表示为：

 

BA的目的就是优化x_{1},x_{2}的值以及变换矩阵T，使上式最小。

2. 非线性优化

2.1 非线性最小二乘

假设f\left ( x \right )为非线性函数，最小二乘问题表示为

最低0.47元/天 解锁文章

200万优质内容无限畅学
波波菠菜
关注
Bundle Adjustment简述
记起来就随便写写
03-21 6万+
关于Bundle Adjustment简要介绍
ORB-SLAM2从理论到代码实现（十）：Bundle Ajustment(下) Jacobian矩阵推导
qq_20123207的博客
02-20 1911
在上一节内容中，我们讲到使用牛顿法、高斯牛顿法、LM法进行非线性优化，在优化过程中需要计算雅可比矩阵。 一、计算雅可比矩阵 上面公式中表示第i个相机观测的第j个目标的像素坐标和重投影坐标之间的误差，也即是待优化的目标函数。我们知道求雅可比矩阵是函数对其中的变量进行求导，而在该目标函数中的变量是相机的位姿和目标的位置。 其中的维度是2x6 维： 这个推导可以由链式法则得到。 的维度...
bundle adjustment
葫芦与瓢的博客
08-02 1620
看了半天文档，有一点点思路，也不知道理解的对不对，先记录下来： 个人的理解是，对于相同的物体，在不同的图像上成的像，他们是可以通过一个变换来进行映射到同一个图像上的，而这个映射对应一个的矩阵，这个矩阵里面就有很多参数。 而这个参数可以通过一个约束方程来求，该约束方程的代价函数就是不同的物体映射到同一个图上以后，对应的特征点之间的差值的平方和，记为error。而bundle adjustment的目的
Bundle Adjustment
吾名的博客
05-16 575
https://blog.youkuaiyun.com/OptSolution/article/details/64442962
bundle adjustment 详解
大橙子的博客
12-07 7950
bundle adjustment 的历史发展 bundle adjustment,中文名称是光束法平差,经典的BA目的是优化相机的pose和landmark,其在SfM和SLAM 领域中扮演者重要角色.目前大多数书籍或者参老文献将其翻译成"捆绑调整"是不太严谨的做法.bundle adjustment 最早是19世纪由搞大地测量学(测绘学科)的人提出来的,19世纪中期的时候，geodetics的学者就开始研究large scale triangulations（大型三角剖分）。20世纪中期，随着came.
Bundle Adjustment （BA）简述
scott198512的博客
11-02 3806
机器视觉中的Bundle Adjustment 原理简述
ORB-SLAM3学习：第一章--非线性最小二乘法
MiningL的博客
11-19 580
最小二乘法推导
ORB-SLAM2学习笔记——BundleAdjustment函数
weixin_51326570的博客
03-28 1287
BundleAdjustment函数 1、理论部分（待更新） 2、代码详解 //BA优化 // BundleAdjustment( vpKFs //关键帧 ,vpMP //地图点 ,nIterations //迭代次数 ,pbStopFlag //停止标志 , nLoopKF //回环帧数量 , bRobu
(01)ORB-SLAM2源码无死角解析-(19) 重投影误差,卡方检验→CheckFundamental,CheckHomography
江南才尽江南山，年少无知年少狂！
08-19 1945
(1):(1):Normalize() 归一化操作 ComputeH21() 八点法计算参考帧到当前帧的H矩阵 CheckHomography() 重投影误差评分(2):(2):Normalize() 归一化操作 ComputeF21() 八点法计算计算F矩阵 CheckFundamental() 重投影误差评分。
淦ORB-SLAM2源码 06--手推Bundle Adjustment优化(BA优化）
qq_44047943的博客
03-25 1166
手推Bundle AdjustmentBA简介手推BA运算过程(含最小二乘法）BA代码 本来是想写一下关于SLAM后端的三种优化方式 卡线曼滤波（KF），扩展卡尔曼滤波（EKF）和基于图优化的Bundle Adjustment（后面简称BA）的，但是前面两个我确实不太懂，所以先占个位置，等我后面研究搞懂了再来填坑。 BA简介 视觉里程计可以给出一个短时间内的轨迹和地图，但由于不可避免的误差累积，如果时间长了这个地图是不准确的。所以我们希望构建一个尺度、规模更大的优化问题，以考虑长时间内的最优轨迹和地图。实际
SLAM专题（10）- 最小化重投影误差与Bundle Adjustment （BA）
01-07
在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis. 目录 一. 历史由来 二. Bundle Adjustment到底是什么？ 平差也就正好表述了为什么
Bundle Adjustment 相关源码分析
公众号『机器感知』
10-26 1254
本文为原创博客，转载请注明出处：https://blog.youkuaiyun.com/q_z_r_s Vertex成员变量类型分析 Vertex: public BaseVertex<D, T> //base_vertex.h:: template <int D, typename T> class BaseVertex : public OptimizableGraph::Ve...
(01)ORB-SLAM2源码无死角解析-(65) BA优化(g2o)→闭环线程:Optimizer::OptimizeEssentialGraph→本质图优化
江南才尽江南山，年少无知年少狂！
10-18 948
该篇博客主要的讲解的 src/Optimizer.cc 文件中的 Optimizer::OptimizeEssentialGraph→本质图优化。该函数在闭环线程中调用顺序为：LoopClosing::Run()→ CorrectLoop()→ Optimizer::OptimizeEssentialGraph()。(01)ORB-SLAM2源码无死角解析-(27) 共视图、本质图、拓展图。可以了解到，本质图具备如下几个特征：(1):(1):扩展树连接关系(2):(2)
关于Bundle Adjustment的直观理解
qq_41574648的博客
04-24 1148
关于Bundle Adjustment的直观理解 前言BA的作用投影特征匹配重投影重投影误差最小化重投影误差参考文献 前言 学习SLAM最大的一个问题就是知识点太多，学完前面又忘记后面，而且脑子总是很混乱，还经常看不懂。今天刚搞懂了Bundle Adjustment的原理，马上过来记录一下，以后忘记还可以回来看看。 本文没有公式的证明，只是通俗的理解Bundle Adjustment到底是什么，...
视觉SLAM ch6 非线性优化
qq_41451702的博客
02-17 2305
一、首先理解运动方程和观测方程 （1）运动方程： x表示相机的位姿，每个时刻位姿记为x1, x2...... xk,构成了运动的轨迹。uk 是传感器的输入；wk 是噪声，假设噪声服从高斯分布。 运动方程的意义是： k-1 到 k 时刻，机器人位姿x 是如何变化的。 SLAM中的定位问题就是估计 x的值。 区分位姿和位置： 位姿代表位置和姿态。任何一个刚体在空间坐标系(OXYZ)中,可以用位置和姿态来精确、唯一表示其位置状态。 位姿是六自由的量，包括旋转和平移；位置是三维的量，表示具体位置（X,
ORB_SLAM2中的疑难杂症
01-09 966
用ORB_SLAM也有一段时间了，基于该project也做了不少的开发，期间遇到了一些bug，在这里总结一下，在github上的issue中也有，只是issue数量太大，所以总结出一个关于代码错误的几个方面（主要是在遇到的时候也不敢相信，毕竟是大牛的作品）： 1. Reset() 的时候会遇到段错误，很偶尔遇到的一个问题，主要原因是双目的初始化函数StereoInitialization() 中...
VINS-Mono 理论详细解读——紧耦合后端非线性优化 IMU+视觉的残差residual、Jacobian、协方差、基于舒尔补的边缘化
诗筱涵的博客
12-30 2168
转载自：VINS-Mono 理论详细解读——紧耦合后端非线性优化 IMU+视觉的残差residual、Jacobian、协方差、基于舒尔补的边缘化_努力努力努力-优快云博客 VINS-Mono 理论详细解读——紧耦合后端非线性优化 IMU+视觉的残差residual、Jacobian、协方差、基于舒尔补的边缘化 贵在坚持，不忘初心 2020-04-07 19:58:54 1531 收藏 10 分类专栏： VINS-Mono and Fusion 程序解读 版权 ​VINS-Mono.
机器人学中的状态估计 中文版_ORB-SLAM2——（四）ORBSLAM运动估计
weixin_39841825的博客
12-03 503
大型博客搬运现场，笔者初始版本发布在：（四）ORBSLAM运动估计 - 小C酱油兵 - 博客园​www.cnblogs.comORBSLAM2的运动估计简介　　ORBSLAM2中的运动估计核心方法就是3D-2D的PNP，而在跟踪过程主要分为三种类型：无运动模型的跟踪，即基于参考帧的跟踪；基于匀速运动模型的跟踪；重定位；　　上述三种方案，我们只介绍前两种，重定位由于需要用到回环检测，我们会在之后讲解...
视觉SLAM笔记(五)-Bundle Adjustment简介
lufan11223的博客
08-16 1180
Bundle Adjustment中文可译为光束平差法，也有翻译为集束调整/捆绑调整等，下文将简称为BA。BA过程即为从每一个特征点反射出来的几束光线(bundle of light rays)，在同时调整了相机位姿和特征点空间坐标后(adjustment)，最后收束到光心的过程。 BA问题实际上是最小化重投影误差(Reprojection error)的问题，其本质是一个优化模型。 在估计得到了...
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