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