本文详细介绍了LOAM（激光 Odometry and Mapping）算法中雅克比矩阵的推导过程，主要涉及误差函数与雅克比矩阵的关系。通过对误差函数D(pw, pt)的分析，计算了与当前系统状态{R, T}相关的偏导数，最终得出雅克比矩阵J的表达式：J = [VT, -VT(Rp)∧]。"
129161579,7432000,Python matplotlib：一张画布显示多张图的实现,"['matplotlib', 'python', '数据可视化']
文章目录
雅克比矩阵推导
loam中有两种误差，即点到线的距离和点到面的距离。这两者都可以用目标外一点到目标上的投影点的距离表示。即误差 f ( X ) = D ( p w , p t ) f(X)=D\left(p^{w}, p^{t}\right) f(X)=D(pw,pt)
定义：
D ( p w , p t ) D\left(p^{w}, p^{t}\right) D(pw,pt)为两点间距离， p l p^l pl 为当前帧的点在局部坐标系下坐标， p w p^w pw为当前帧的点在世界坐标系下坐标， p t p^{t} pt 为对应线/面上目标点在世界坐标系的坐标， X X X为当前系统的状态 { R , T } \{R,T\} {
R,T}。开始计算偏导：
p w = G ( p l , X ) = R p l + T ∂ f ∂ X = ∂ f ∂ G ( p l , X ) ∗ ∂ G ( p l , X ) ∂ X \begin{aligned} &p^{w}=G\left(p^{l}, X\right)=R p^{l}+T \\ & \frac{\partial f}{\partial X}=\frac{\partial f}{\partial G\left(p^{l}, X\right)} * \frac{\partial G\left(p^{l}, X\right)}{\partial X} \end{aligned} pw=G(pl,X)=
最低0.47元/天 解锁文章
163
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
