本文探讨了图优化在SLAM（Simultaneous Localization and Mapping）中的关键作用，将SLAM问题分解为构建图与优化图两部分，即前端与后端。前端负责根据传感器信息构建机器人位姿图，后端则通过优化调整位姿，以满足图中边的约束条件。
From https://blog.youkuaiyun.com/heyijia0327/article/details/47686523
图优化是什么？
图是由节点和边构成，SLAM问题怎么构成图呢？在Graph-based SLAM中，机器人的位姿是一个节点（node）或顶点（vertex），位姿之间的关系构成边（edge）。具体而言比如 t+1 时刻和 t 时刻之间的 odometry关系 构成边，或者由视觉计算出来的 位姿转换矩阵 也可以构成边。一旦图构建完成了，就要调整机器人的位姿去尽量满足这些边构成的约束。
所以图优化SLAM问题能够分解成两个任务：
1. 构建图，机器人位姿当做顶点，位姿间关系当做边，这一步常常被称为前端（Front-end），往往是传感器信息的堆积。
2. 优化图，调整机器人位姿顶点尽量满足边的约束，这一步称为后端（Back-end）。
3. 一个帮助理解的例子：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
