有些别的事情中断了学习,现在重新拾起来哈。
果然,很多事情还是一鼓作气的好,不然节奏会乱掉。
注:
1)学习视频:【高翔】视觉SLAM十四讲。
第6讲
6.1 理论部分
本讲主要是状态估计的问题,大佬以非线性优化为主,也是现在视觉SLAM主流的方向。
此外,公式编辑的问题,有些量是向量或矩阵,但不太好加粗,所以以书上公式为主。
最后,太难了,高斯牛顿和L-M太难了,听都听不进去。
1)状态估计
- 前面我们得到了运动方程(由 S E ( 3 ) SE(3) SE(3)描述【讲3】,李代数优化【讲4】)和观测方程(由针孔模型给定【讲5】),其中涉及到相机位姿 x x x、地标点 y y y(前2者合称位姿)、输入量 u u u、观测量 z z z。而如何由这2个方程获得我们需要的状态量,即如何由输入和观测量获得相机位姿和地标点,就是状态估计(【讲6】)的工作;
- 状态估计有2类方法:增量法(滤波器)和批量法(以非线性优化为主);
- 非线性优化求状态估计,实际是求状态的条件概率分布,对应公式 P ( x , y ∣ z , u ) = P ( z , u ∣ x , y ) P ( x , y ) P ( z , u ) ∝ P ( z , u ∣ x , y ) P ( x , y ) P({x,y}|{z,u})=\frac{P({z,u}|{x,y})P(x,y)}{P(z,u)}\propto{P({z,u}|{x,y})P(x,y)} P(x,y∣z,u)=P(z,u)P(z,u∣x,y)P(x,y)∝P(z,u∣x,y