本文深入探讨了视觉SLAM（Simultaneous Localization And Mapping）中的优化方法，包括关键帧选择、滑动窗口技术和位姿图优化。重点介绍了如何通过关键帧限制和滑动窗口来控制BA（Bundle Adjustment）的规模，以及位姿图优化中仅优化位姿的策略，以解决静态场景下的退化问题。此外，还讨论了在实际应用中如何实施这些技术。
学学停停，发现学是学不完的，但是好歹还想学。
没有视频资料了（高博的），自学成才（不是）。
第10讲
10.1 理论部分
这一部分算是对第9讲的补充吧。
1）BA基本问题
- 之前说过，BA是一种批量处理的非线性优化方法，因此BA的规模是一个不可避免的问题。下面是常见的几种控制规模的方法。
- ① 从普通帧中选出关键帧，仅构造关键帧与路标点之间的BA。但关键帧数目过多规模同样会增大。
- ② 滑动窗口法，仅保留离当前时刻最近的N个关键帧。但若相机静止不动，易造成退化问题。因此，有了取时间上靠近，空间上可展开的关键帧的改进。此外，考虑帧间结构深层关系，有了选取共视图中关键帧和路标点进行BA优化的改进。（共视图，指与现在的相机存在共同观测的关键帧构成的图）。
- ③ 位姿图优化，舍弃对路标点的优化，只保留位姿之间的边。
2）滑动窗口法
- 当有新的关键帧进入时，滑动窗口结构会发生改变，因此状态变量将经过新增和删除2步操作。
- 新增：上一时刻已建立N个关键帧的高斯分布，新增关键帧后，仍按照正常BA流程构建N+1个关键帧的高斯分布。
- 删除：若直接删除一个关键帧，则在边缘化该关键帧时会由于
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
