SLAM图优化poseGraph-(2)优化推导

最新推荐文章于 2024-04-03 11:47:53 发布
最新推荐文章于 2024-04-03 11:47:53 发布
阅读量1.1k 收藏 3
点赞数
分类专栏： 图优化 文章标签： 图优化 slam图优化 posegraph slam 优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39534332/article/details/105608974
版权
本文详细探讨了SLAM图优化的过程，包括误差函数的定义、最小二乘目标函数的构建、高斯-牛顿法的线性化步骤和迭代公式，以及在SLAM中的具体应用。通过线性化误差函数并求解状态增量，实现位姿的不断优化以达到收敛。
摘要由CSDN通过智能技术生成

文章目录

1.误差函数

误差函数
其中：f(x)是状态函数，比如机器人的里程计状态，Zi是雷达观测或雷达与地图的匹配结果，两者误差为e。

2.待优化的目标函数

目标函数是优化的目标，一般构建为最小二乘目标函数。
hq-目标函数
其中：中间的sigma是观测的信息矩阵。

3.优化方法(GN为例)

(1) 线性化
目标函数为非线性系统，需要线性化才能求解。
线性化
其中Jacobian矩阵：
jacoabian矩阵
(2)目标函数展开
线性化并展开
其中，记：

最低0.47元/天 解锁文章
明夷TEC
关注
专栏目录
SLAM图优化一
weixin_46405486的博客
01-17 3797
前言 SLAM问题的处理方法主要分为滤波和图优化两类。滤波的方法中常见的是扩展卡尔曼滤波、粒子滤波、信息滤波等，熟悉滤波思想的同学应该容易知道这类SLAM问题是递增的、实时的处理数据并矫正机器人位姿。比如基于粒子滤波的SLAM的处理思路是假设机器人知道当前时刻的位姿，利用编码器或者IMU之类的惯性导航又能够计算下一时刻的位姿，然而这类传感器有累计误差，所以再将每个粒子的激光传感器数据或者图像特征对比当前建立好的地图中的特征，挑选和地图特征匹配最好的粒子的位姿当做当前位姿，如此往复。当然在gmapping、
PoseGraph公式推导记录
m0_37834993的博客
04-12 427
问题：已知量测ciR^ci+1{^{c_i}}\hat{R}_{c_{i+1}}ci​R^ci+1​​和cit^ci+1{^{c_i}}\hat{t}_{c_{i+1}}ci​t^ci+1​​，如何对ciRw{^{c_i}}R_wci​Rw​，citw{^{c_i}}t_wci​tw​，ci+1Rw{^{c_{i+1}}}R_wci+1​Rw​，ci+1tw{^{c_{i+1}}}t_wci+1​...
第十讲（第一版第十一讲）-位姿图优化部分
XindaBlack的博客
12-07 1380
误差关于位姿的雅克比矩阵推导 今天看到后端优化的关于位姿图优化部分，对于误差关于两个位姿的雅克比矩阵推导部分理解遇到了一些困难。书中直接给TiT_iTi​和TjT_jTj​各乘了一个左扰动，然后就开始推导了。 倒数第三行到倒数第二行的近似运用了Taylor Expansion，倒数第二行到倒数第一行的近似是什么原理就不太清楚了。（希望如果有知道其中原理的大神看到了，能在评论里给出解释或者推导过程的...
视觉惯性单目SLAM （三）优化方法
MyArrow的专栏
02-21 7114
1. 最小二乘法 最小二乘法：Least Squares Method （LSM） 函数：y=f(x,θ)y=f(x,\theta)θ\theta为待估参数(可为向量或标量) x,yx,y常用术语 x y 自变量（independent variable） 因变量（dependent variable） 解释变量（explanatory variable） 被解释变量（expla
SLAM学习——非线性优化
Hansry的博客
07-10 5556
1.状态估计问题 对于SLAM经典模型，我们知道是由一个运动方程和一个观测方程构成，如下方程： {xk=f(xk−1,uk)+wkzk,j=f(yj,xk)+vk,j{xk=f(xk−1,uk)+wkzk,j=f(yj,xk)+vk,j\left\{\begin{matrix} \mathit{x}_{k}=f(\mathit{x}_{k-1},\mathit{u}_{k})+\mathit{...
SLAM图优化二
weixin_46405486的博客
01-17 646
在上一部分中通过一个例子大致了解了graph based slam的优化过程。在本篇博客中将提升一个层次，对图优化的求解过程进行推导。由于博文关注的在图构建好以后，如何调整机器人位姿使误差最小。因此，本文主要涉及的是图优化的后端（back-end）。        我们已经知道图优化问题转变成了一个最小二乘问题。根据上篇博客最后一个例子，求机器人SLAM过程中最优轨迹可以表示成求解机器人位姿使得下面误差平方函数最小。 其中，表示图顶点的参数向量，如机器人位姿。表
g2o EdgeSE3Expmap pose graph优化 代码分析和雅克比推导
csz
10-30 2210
主要代码： g2o/types/sba/types_six_dof_expmap.h g2o/types/sba/types_six_dof_expmap.cpp 基本结构 SE3Quat包括四元数和vector3 相机位姿顶点 VertexSE3Expmap::VertexSE3Expmap() : BaseVertex<6, SE3Quat>() { } 路标3D点顶点 Vert...
SLAM图优化poseGraph-(3)优化实例
明夷TEC的博客
04-19 693
1. 2. 3.位姿优化结果 蓝色是原始位姿和边，紫色是优化后的位姿和边。
VINS-Mono源码分析7— pose_graph2(四自由度位姿图优化)
yys2324826380的博客
04-10 1006
VINS-Mono源码分析7— pose_graph2 在上一篇博文中，大概分析了一下VINS-Mono回环检测和重定位的代码实现，这里主要分析四自由度的位姿图优化。关于这部分的原理可以参考VINS-Mono论文第8部分的A、B和C以及崔神的文章《VINS论文推导及代码解析》中的7.4节。接下来开始进行代码分析， PoseGraph::PoseGraph() { ...... t_opt...
激光SLAM后端优化方法
12-22
一种非常经典的SLAM后端优化方法，相比其他方法，该方法适合新手熟悉后端算法的流程。
基于图优化理论和GNSS激光SLAM位姿优化算法
01-26
提出一种激光雷达SLAM(simultaneous localization and mapping)位姿优化算法。该算法基于图优化算法理论并融合GNSS (global navigation satellite system)数据,在位姿图中加入卫星定位节点,可以有效将无回环时轨迹误差控制在GNSS定位误差范围内,有长时性回环时可以准确定位回环检测点,从而达到提高激光雷达SLAM位姿全局一致性的效果。在室外刚性特性较好的城市环境和刚性特性较差的非城市环境下进行测试,从结果可以看出:所提算法将在无回环300 m距离直线建图情况以及在360 m以上距离一次、二次回环情况下的轨迹偏差分别控制在1 m左右、0.2 m以内以及0.1 m左右,这充分证明了所提算法的有效性。
视觉SLAM笔记（56） 位姿图优化
氢键H-H
11-16 1万+
g2o 原生位姿图、李代数上的位姿图优化
位姿图优化(Ceres&G2O&GTSAM)
热门推荐
lovely_yoshino的博客
02-21 1万+
作为SLAM中常用的方法，其原因是因为SLAM观测不只考虑到当前帧的情况，而需要加入之前状态量的观测。就比如一个在二维平面上移动的机器人，机器人可以使用一组传感器，例如车轮里程计或激光测距仪。从这些原始测量值中，我们想要估计机器人的。为了降低问题的计算复杂度，。具体来说，。边缘是源自原始传感器测量值的虚拟测量值，例如通过集成原始车轮里程计或对齐从机器人获取的激光范围扫描。对上图的具体描述如下。
vins位姿图优化
小红鱼的博客
12-19 1846
重定位的方案： 1、快速重定位 通过回环检测得到回环帧，将回环帧信息发布给vins_estimator节点在窗口中进行局部优化，得到了loop_info（T_i_j）后返回给位姿图节点，然后得到T_w1_j，结合已知的T_w2_j，得到T_w1_w2（shift_t）; 2、全局优化重定位 通过pnp得到loop_info(T_i_j)，作为残差信息放在ceres优化中，从最早的回环帧到当前帧均为...
ceres位姿图优化
weixin_42099090的博客
06-22 5098
ceres位姿图优化实践 高博《视觉slam十四讲第二版》ch10中有关于位姿图优化部分的讲解，在代码部分。高博只展示了g2o版本的位姿图优化的代码，但是在之前的章节中，高博说尽量多使用ceres来进行优化。。。。因此我就想实践一下ceres版本的位姿图优化。关于理论部分的推导，可以参考推导。在写代码的过程中，也遇到了一些Eigen和Sophus库的坑（很大原因也是自己不熟悉）。先贴代码： 代码 #include <iostream> #include <eigen3/Eigen/Core
SLAM后端：位姿图优化（Pose Graph）
LittleEmperor的博客
04-02 4506
1
图优化SLAM
weixin_42784393的博客
02-07 589
https://blog.csdn.net/heyijia0327/article/details/47686523添加链接描述
SLAM十四讲---十一、位姿图优化
最新发布
weixin_45634390的博客
04-03 791
首先先学习最小二乘问题。
HDL-GRAPH-SLAM跑序列9：APE与RPE效果图及SLAM图
HDL-GRAPH-SLAM是一种基于图优化的SLAM系统（Simultaneous Localization and Mapping，即同时定位与建图），特别适用于处理高分辨率激光雷达（LIDAR）数据。SLAM是机器人导航和自主系统领域中的核心问题，涉及到从...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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