这篇论文提出了一种名为插值法的技术，通过插值方程来计算“相关帧”的位姿。
首先解释一下什么是相关帧：
所谓相关帧其实就是两关键帧之间的那些帧，这些帧在ORBSLAM这种框架中对于建图来说是不起什么作用的。但是本文的作者认为，相关帧实际上也有用处，例如一些框架需要全部（或者是很多）帧的时候，仅仅使用关键帧是远远不够的。
在SLAM框架中，当进行局部BA或全局BA后，关键帧的位姿会发生变化，那么其周围的相关帧也应发生变化，这种求解变化后的相关帧的方法被称作插值法（Interpolation）
原文中给出了一张图来解释后面即将出现的符号的象征，即带*号的为优化后的位姿。
插值法要做的是依次求出变换矩阵，从而求得两关键帧之间的相关帧的位姿。
接下来我们就来看一下这篇文章是如何推到的变换矩阵。
文章首先是介绍了一般的插值方法是将求得的旋转矩阵直接转化成SE(3)的形式进行求解 。
其中
n为矢量空间的维数。
作者在文章提到，如果相机主体是一辆前进的汽车，那么其位姿的主要变化就是Z轴（也就是前进方向）而对应的X、Y轴的变化就会有些缺失。这就会导致变换矩阵的退化，也就是说Tfifi+1对应的李群值
会过小。一个除法中分母过小那么，分子微小的变换也会导致最终结果的大幅度改变，这就是作者文中提到的数值敏感。也就是说，用传统的方法，很有可能误差会导致最后的结果有很大的偏差。
由此作者提出了自己的算法：（具体的算法解释等我慢慢写）
ps: 本 文 采 用 {fj i }到 {f0i}的 距 离 和 {fji}到 {f0i+1}的 距 离 的 比 值 作 为 插 值 因 子(aij) 。
由此，我们求出了由关键帧f0到相关帧fj的旋转向量与位移向量，这样我们就可以求出各个相关帧了。这样求解出来的T不会再有数值敏感这个缺点。
，，
5993
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
