《第11讲 后端2》 读书笔记

本文是《视觉SLAM十四讲》第11讲的个人读书笔记，为防止后期记忆遗忘写的。

本节知识脉络

BA的优缺点：BA 能精确地优化每个相机位姿与特征点 位置。不过在更大的场景中，大量特征点的存在会严重降低计算效率，导致计算量越来越 大以至于无法实时化。

本章的目的：本讲介绍在更大场景下使用的后端优化方法：位姿图。

---

11.1 位姿图（Pose Graph）

11.1.1 Pose Graph 的意义

BA是同时对相机位姿和空间点的同时进行图优化的 ，能够有效地求解大规模的定位与建图问题。但是，地图规模也将不断增长。像 BA 这样的方法，计算效率就会（令人担忧地）不断下降。因此，我们更倾向于在优化几次之后就把特征点固定住，只把它们看作位姿估计的约束，而不再实际地优化它们的位置估计。

我们完全 可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关键帧之间通过特征 匹配之后得到的运动估计来给定初始值。不同的是，一旦初始估计完成，我们就不再优化 那些路标点的位置，而只关心所有的相机位姿之间的联系了。通过这种方式，我们省去了大 量的特征点优化的计算，只保留了关键帧的轨迹，从而构建了所谓的位姿图（Pose Graph）（只优化位姿，而不优化点）。

---

11.1.2 Pose Graph 的优化过程

Pose Graph 也得进行图优化的，其中节点表示相机位姿， 以 ξ1, . . . , ξn 来表达。而边，则是两个位姿节点之间相对运动（R，t）的估计【回忆第7讲内容】，该估计可能来自于 特征点法或直接法。

假设ξi 和 ξj 之间的一个运动 ∆ξij，那么李代数的表示：

李群的表示：（Ti=*Tj  ）

 

因为图优化需要构建最小二乘问题，并且通过求误差关于优化变量的倒数。那么，误差公式为：

优化变量有两个：ξi 和 ξj，因此我们求 eij 关于这两个变量的导数。按照李代数 的求导方式，给 ξi 和 ξj 各一个左扰动：δξi 和 δξj（BCH近似）。于是误差变为：

通过引入伴随项公式： 

那么有：

可以得到：误差关于两个位姿的雅可比矩阵。

                                             

由于 se(3) 上的左右雅可比 J r 形式过于复杂，我们通常取它们 的近似。如果误差接近于零，我们就可以设它们近似为 I 或：

误差通常也不见得近似于零，所以简单地把这里的 J r 设置为 I 会有一定的损失。

了解雅可比求导后，剩下的部分就和普通的图优化一样了。简而言之，所有的位姿顶 点和位姿——位姿边构成了一个图优化，本质上是一个最小二乘问题，优化变量为各个顶 点的位姿，边来自于位姿观测约束。那么总体目标函数为：

我们依然可以用 Gauss-Newton、Levenberg-Marquardt 等方法求解此问题，自然可以用 Ceres 或 g2o 进行求解。

---

关于代码部分，书上举了一个球体误差优化的例子。理解难度大，需要结合网上其他位姿优化的博客理解。

总结前后端程序运行的特点，有：

后端的优化没必要实时地响应前端 的图像数据。人们倾向于把前端和后端分开，运行于两个独立线程之中，历史上称为跟踪 （Tracking）和建图（Mapping）——虽然如此叫，建图部分主要是指后端的优化内容。通俗 地说，前端需要实时响应视频的速度，例如每秒 30Hz；而优化可以慢悠悠地运行，只要在 优化完成时把结果返回给前端即可。所以我们通常不会对后端优化提出很高的速度要求。