ORB-SLAM2源码学习（八）——图优化g2o

最新推荐文章于 2023-03-21 16:53:26 发布

potxxx

最新推荐文章于 2023-03-21 16:53:26 发布

阅读量2.2k

点赞数 1

分类专栏： slam

本文链接：https://blog.csdn.net/potxxx/article/details/87889821

版权

本文介绍了ORB-SLAM2如何利用g2o库进行图优化，包括将SLAM问题建模为图结构，顶点代表位姿和地图点，边表示重投影误差。详细讲解了全局BA、单帧位姿、局部地图BA、本质图位姿和两帧间Sim3优化等优化函数的应用。

摘要由CSDN通过智能技术生成

首先，ORBSLAM2里的优化都是基于图优化的，使用的第三方库为g2o，这里先介绍一下g2o简要使用流程，然后再来看看ORBSLAM2里的几个优化函数。

一、g2o

g2o是一个图优化求解库，它将优化问题表现为图的形式：包含顶点和边。

在slam问题里，BA中参与优化的参数有位姿和地图点坐标，在g2o中，我们将这些需要进行优化的变量设置为顶点，一般一张图像的位姿为一个顶点，这张图像上所能观察到的每一个地图点坐标都为顶点。其次顶点间用边来建立联系（位姿和地图点之间的联系），也就是用边来表示误差项（在vslam里的重投影误差）。这样就建立好了一个图优化问题，接下来选择对应的优化方法求解器进行求解。

二、Optimizer类

1、全局BA

// pMap中所有的MapPoints和关键帧做bundle adjustment优化
// 这个全局BA优化在本程序中有两个地方使用：
// a.单目初始化：CreateInitialMapMonocular函数
// b.闭环优化：RunGlobalBundleAdjustment函数
/**
 * @brief bundle adjustment Optimization
 * 
 * 3D-2D 最小化重投影误差 e = (u,v) - project(Tcw*Pw) \n
 *