cartographer中分支定界法理解——为什么能保证上界

定界原理

储存的不同分辨率栅格图，为保证上边界正确性，即高层中的评分一定高于其底层节点的评分，压缩的地图并非直接从原图固定间隔采样，而是将固定间隔中所有坐标概率值最大值作为低分辨率地图。

理解：

1、其在计算得分时，是计算点云（旋转、平移）索引对应的栅格值的得分，当分辨率低时，比如为64 右下图，对同样大小的地图（近似同样大小，会外扩width+1）点云索引落入黑色区域的可能性比高分辨率地图大得多，如左上图；

2、低分辨率地图是取64格中得分最高者为其得分；

 故在64分辨率地图中得分必然是32分辨率的上界

引用个公式，这个讲的太好了，数学上严格证明《无处不在的小土-分支定界闭环检测的原理和实现》，参数意思看原文

 

理解：

第一层为carto代码实现的逻辑，即低分辨率的层的得分总和是由包含外扩（width+1）的低分辨率地图计算得到，且每个索引对应的得分值取分辨率下的最大值（比如64分辨率下在1分辨率下应该有64个得分，取64个得分中最高的得分值作为64分辨率层的得分）；第二层不包含外扩的；第三层是最高分辨率的叶节点的代码实现，即通过这种方式能保证低分辨率的层得分为高分辨率层的上界。

分支原理

剪枝原理比较简单，参考下列文章

参考文献：

cartographer 代码思想解读（2）- 分支定界快速相关匹配_jiajiading的博客-CSDN博客_cartographer 分支定界

无处不在的小土-分支定界闭环检测的原理和实现

cartographer探秘第四章之代码解析（五） --- 后端优化 --- 闭环约束2 --- FastCorrelativeScanMatcher2D_李太白lx的博客-CSDN博客

附一些比较完整的学习资料：

无处不在的小土-分支定界闭环检测的原理和实现

后端 6 快速相关性匹配 | 沉默杀手

cartographer探秘第四章之代码解析（五） --- 后端优化 --- 闭环约束2 --- FastCorrelativeScanMatcher2D_李太白lx的博客-CSDN博客

cartographer 代码思想解读（4）- probability grid地图更新1_jiajiading的博客-CSDN博客_cartographer scan-to-map