随记:图优化相关

读MonoPair: Monocular 3D Object Detection Using Pairwise Spatial Relationships论文的时候,发现其在网络框架中加入了一个Pairwise Spatial Constraint。在使用Partwise Spatial Constraint的时候引入图优化的过程。于是详细地了解了一下图优化的求解过程。

对图优化的基础部分的了解,是仔细阅读了高博士的博客:深入理解图优化与g2o:图优化篇 - 半闲居士 - 博客园
以及g2o的论文:https://www.researchgate.net/profile/Rainer-Kuemmerle-3/publication/224252449_G2o_A_general_framework_for_graph_optimization/links/541e9d0d0cf241a65a18bede/G2o-A-general-framework-for-graph-optimization.pdf

刚开始的时候一直想不明白图优化和其他非线性优化的不同在哪里,最后明白了其实只要记住:图优化中的节点就是优化变量,边就是求解的约束,而图优化的底层理论是依赖H矩阵的稀疏性进行的。记住这句就足够了,而在使用的过程中,只需要定义好边与节点的具体内容,其余的交给图优化的工具如g2o就行了。 

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

小白 AI 日记

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