cartographer 代码思想解读（13）- 后端优化基本思想

传统位姿图优化

其他常见的slam后端优化位姿图结构如上图所示，前端用于位姿的推移，即利用上刻位姿经过前端匹配获取到下一刻位姿，因此此刻相对于上刻位姿较为准确，但是由于累计误差导致如上图T7时刻的位姿与T0时刻的位姿误差较大，如果T7和T0时刻位姿相对较近，则可采用一定方法（即闭环检测），则可获取较为T7和T0两个时刻的相对位姿。由于初始时刻位姿固定，可得如下位姿公式。
$$X_0=Init$$
$$X_{i+1}=T_{i+1,i}\ast X_i$$
$$X_0=T_{0,7}\ast X_7$$

从上公式可看出方程组为超定方程，而slam的位姿图优化，则是求解以上超定方程组，即可采用最熟悉的思路最小二程。

cartographer 后端优化位姿图优化

而cartographer的位姿图进行了一定的改变，cartographer的前端维护了submap，而非简单一系列位姿。因此采用的位姿约束为机器人时刻姿态与submap的相对位姿，同时也分为当前时刻位姿节点是否构建为对应的submap两种类型，非构建对应submap的相对位姿约束则为闭环约束，如上图所示，黑色位姿约束则可认为闭环约束。最后求解方法，仍然是采用优化求解超定方程组。

总结

本节仅简单分析下cartographer后端优化的位姿图结构和其他slam的区别。