BA
最小化重投影误差:
X
=
a
r
g
m
i
n
∑
i
=
1
N
i
∑
j
=
1
N
j
∣
∣
e
i
,
j
(
X
)
∣
∣
X=argmin\sum_{i=1}^{N_i}\sum_{j=1}^{N_j}||e_{i,j}(X)||
X=argmini=1∑Nij=1∑Nj∣∣ei,j(X)∣∣
求解方法:
使用LM算法优化求最优解。每一次迭代中的增量求解为:
δ
X
∗
=
a
r
g
m
i
n
∣
∣
J
(
X
)
δ
X
+
E
(
X
)
∣
∣
+
λ
∣
∣
D
(
X
)
δ
X
∣
∣
\delta X^{*}=argmin||J(X)\delta X+E(X)||+\lambda||D(X)\delta X||
δX∗=argmin∣∣J(X)δX+E(X)∣∣+λ∣∣D(X)δX∣∣
其中需要计算误差矩阵E、雅克比J和海森矩阵D(近似)。
geometric BA
- 基于特征点
- 优化变量: X = [ T i , . . . , p j , . . . ] X=[T_i,...,p_j,...] X=[Ti,...,pj,...]。地图点三维坐标 P j P_j Pj,相机位姿 T i T_i Ti
- LOSS:几何误差
e i , j g ( X ) = π ( T i , p j ) − q i , j e_{i,j}^{g}(X)=\pi (T_i,p_j)-q_{i,j} ei,jg(X)=π(Ti,pj)−qi,j
当前帧三维点 p j p_j pj经两帧间转移矩阵 T i T_i Ti投影至对应相机坐标系,经 π \pi π投影至像平面,与匹配点 q i , j q_{i,j} qi,j求误差。 - 不足:基于特征点,导致图像信息利用不足,并且特征匹配存在误差。
photometric BA
- 直接法,使用所有像素,基于强度图
- 优化变量: X = [ T i , . . . , d j , . . . ] X=[T_i,...,d_j,...] X=[Ti,...,dj,...]。逐像素深度 d j d_j dj,相机位姿 T i T_i Ti。
- LOSS:光度误差
e i , j p ( X ) = I i ( π ( T i , d j q j ) ) − I j ( q j ) e_{i,j}^{p}(X)=I_i (\pi (T_i,d_jq_j))-I_j(q_{j}) ei,jp(X)=Ii(π(Ti,djqj))−Ij(qj)
第j帧的像素由其深度值映射到相机坐标系,经两帧间转移矩阵 T i T_i Ti投影至帧i的相机坐标系,由 π \pi π投影至像平面。两帧由对应像素点的强度图求差值。 - 不足:易受光照、动态等环境影响。对初始化结果要求高。