本文详细介绍了视觉SLAM后端优化的两种方法：批量处理的非线性优化BA（Bundle Adjustment）和增量式的EKF（Extended Kalman Filter）。BA用于求解最优的3D模型和相机参数，EKF则通过线性化处理非线性系统。BA具有高精度和实时性，而EKF在处理回环和强烈非线性时存在挑战。实践部分探讨了将相机内参作为优化变量的方法，并提供了运行示例。
@ 《视觉SLAM十四讲》知识点与习题
《视觉SLAM十四讲》第十讲知识点整理+习题
正在学习SLAM相关知识，将一些关键点及时记录下来。
知识点整理
本讲主要是针对长时间内最优轨迹和地图的优化，减小累积误差对长时间运动带来的影响
- 批量的处理方式：考虑在很长一段时间内的状态估计问题，而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己
- 渐进的处理方式：当前状态只由过去的时刻决定，甚至只由前一时刻决定
- 当没有运动方程时的处理方式：认为确实没有运动方程，或假设相机不动，或假设相机匀速运动。此时非常类似于SfM（即通过一组图像来恢复运动和结构，但是SfM中允许使用完全无关的图像），SLAM中的图像有时间上的先后顺序
- 由于每个方程都受噪声的影响，所以把位姿x和路标y看成服从某种概率分布的随机变量，会随着运动和观测数据的到来进行更新
- 当将状态量和噪声项以高斯分布来模拟时，均值可看作是对变量最优值的估计，而协方差矩阵则度量了它的不确定性
- 对状态进行估计，可以得到当前状态的估计=似然*先验，其中似然由观测方程给定，先验表示当前状态是基于过去所有的状态估计得到的。当前状态估计至少会受到前一时刻状态的影响，所以，对此引出两种不同的方法
- 马尔科夫性：即认为当前时刻状态仅与前一时刻状态有关，与之前时刻的状态无关。此时就可以得到以扩展卡尔曼滤波为代表的滤波器方法
- 当前时刻与之前
最低0.47元/天 解锁文章
扫一扫
2070
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
