视觉SLAM笔记(57) 回环检测


1. 回环检测的意义

前端提供特征点的提取和轨迹、地图的初值
而后端负责对这所有的数据进行优化

然而,如果像 VO 那样仅考虑相邻时间上的关联
那么,之前产生的误差将不可避免地累计到下一个时刻,使得整个 SLAM 会出现累积误差
长期估计的结果将不可靠,或者说,无法构建全局一致的轨迹和地图

举例来说,假设在前端提取了特征,然后忽略掉特征点,在后端使用 Pose Graph 优化整个轨迹如图(a)

在这里插入图片描述
由于前端给出的只是局部的位姿间约束,比方说,可能是 x1 − x2, x2 − x3 等等
但是,由于 x1 的估计存在误差,而 x2 是根据 x1 决定的, x3又是由 x2 决定的

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

氢键H-H

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值