本文探讨RGBD-SLAM中图形优化问题，主要聚焦于g2o框架。通过介绍g2o的基本概念如顶点和边，解释其在机器人定位中的应用，特别是在闭环检测后的全局优化效果。内容包括g2o的优化过程、约束添加的影响，以及实例展示优化前后poses的变化，说明优化能有效减小位置估计误差。
首先，致谢半闲居士（http://www.tuicool.com/articles/QZVjuu）。
RGBD-SLAM用的传感器是kinect，可以得到深度信息与图像信息。我在实验中使用的是激光扫描仪，只能得到深度信息，不过原理是一致的。
1. 得到三维点云图；
2. 对三维点云图进行两两匹配；
3. 进行图形优化；
4. 纹理贴图。
本文重点讲述第三点：图形优化问题（g2o）。
最低0.47元/天 解锁文章
扫一扫
2万+
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
