CL关于SLAM优化的推导和理解

学习的目的

今天看了高博之前放出来的关于非线性优化部分的讲解，又让我掏出了《视觉SLAM十四讲从理论到实践》这本书，今天就来再学习一哈！开始吧！从该书的P245页开始学习。

BA与图优化

代价函数的构建



稀疏性和边缘化
视觉SLAM能发展起来的原因是H矩阵的稀疏性。(路标点远远大于位姿pose)
在讨论矩阵的稀疏性之前，先看看为什么这个矩阵是稀疏的。





以上几步公式的推导，了解了这个误差关于pose的导数，也就是最上面式子中的F矩阵！
下面来徒手推导一下误差关于三维点P的雅克比矩阵E

过程就是这么简单，就这样，我们得到了F和E矩阵。

后面在求解这一块优化的增量方程时，利用这样的稀疏性进行求解。具体的方法有：Schur消元和Cholesty分解。

另外一个Cholesty的方法，自己也可以推导一下。
这两种方法都是利用了矩阵的稀疏性，但是Cholesty分解可以得到H矩阵的逆。
在ORB SLAM中的Local Mapping环节，由于其采用的关键帧策略是刻意选择那些存在共同观测的帧作为关键帧，这就导致Schur消元之后的矩阵还是稠密的。但是这一块不需要实时进行，所以问题不大。局部地图后面还会进行代码的阅读，后端的优化这块，暂时就学习总结到这吧。

时间：2019年09月13日
作者：hhuchen
机构：河海大学机电工程学院