有道云持续更新…
后端优化两种主要方法：
1.滤波（早期）
基于滤波方法:
（一）扩展卡尔曼滤波（视觉SLAM）
卡尔曼滤波（Kalman filter）一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。
（二）粒子滤波（GMapping）
（三）高斯滤波（Hector-SLAM）
优势：适合激光SLAM
缺点：计算量大，不适合大型场景
2.图优化（graph-based slam）
过程：
构建图 - >> 优化图
构建图：（前端（front-end））
机器人位姿当做顶点，位姿间关系当做边。一般为传感器信息的堆积。
优化图：（后端（back-end））
调整机器人位姿顶点尽量满足边的约束。
优化图工具：g2o（General Graphic Optimization ）
优势：适合视觉SLAM
缺点：计算效率高
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
