使用python做因子图优化(二维因子图优化1,附代码)

本文展示了如何利用Python的g2opy库进行因子图优化,以改善里程计轨迹的精度。通过对比优化前后的轨迹,可以看到优化后的蓝色轨迹在回环检测后显著提升了准确性。
摘要由CSDN通过智能技术生成

红色是真值轨迹,绿色是有偏差的里程计轨迹,蓝色是优化后的轨迹,可以看见,回环优化后,蓝色轨迹相对于绿色轨迹有了很大的改善;

我们使用了 python的因子图优化库 g2opy;  具体代码如下:






import numpy as np
import g2o

class PoseGraphOptimization(g2o.SparseOptimizer):
    def __init__(self):
        super().__init__()
        solver = g2o.BlockSolverX(g2o.LinearSolverCholmodX())
        # solver = g2o.BlockSolverSE3(g2o.LinearSolverCholmodSE3())
        solver = g2o.OptimizationAlgorithmLevenberg(solver)
        super().set_algorithm(solver)
        super().set_verbose(True)

    def optimize(self, max_iterations=20):
        print('num vertices:', len(super().vertices()))
        print('num edges:', len(super().edges()), end='\n\n')
        super().initialize_optimizatio
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云-激光雷达-Slam-三维牙齿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值