后端优化2（SLAM十四讲ch11）-Pose Graph

位姿图（Pose Graph）

带有相机位姿和空间点的图优化称为BA

机器人运动轨迹越来越长，地图规模不断增长——>BA的计算效率不断下降

特征点在优化问题中占据绝大部分。而实际上，经过若干次观测之后，那些收敛的特征点，空间位置估计会收敛至一个值保持不动，而发散的外点则通常看不到。——>优化几次把特征点固定住，只把他们看做位姿的约束，而不再实际优化他们的位置估计

BA特征点的数量远大于位姿节点，一个关键帧往往关联了数百个关键点——>数据量大，限制应用场景——>滑动窗口，舍弃历史数据  或者  Pose Graph（舍弃对路标点的优化，只保留Pose之间的边）。

Pose Graph 中，节点表示相机的位姿，用李代数表达。边表示位姿节点之间相对运动 估计（特征点法或者直接法）

SLAM十四讲 6.4讲到图优化理论

深入理解图优化与g2o：图优化篇

ubuntu16.04安装g2o_viewer 

在Ubuntu16.04下，不能使用libqglviewer-dev。而应该使用libqglviewer-dev-qt4：

sudo apt-get install libqglviewer-dev-qt4

安装好g2o_viewer，通过g2o_viewer打开sphere.g2o

g2o_viewer sphere.g2o

  优化后：

使用slambook/pose_graph 中的几个.g2o文件，用g2o_viewer自带的optimize

初始图像	优化后
这个图像迭代了 近50次才收敛 一般的迭代十几次以内就基本可以收敛