SLAM论文详解(3) — Bundle_Adjustment_LM(BALM)论文详解

几度春风里

已于 2024-06-07 18:29:20 修改

阅读量1.6k

点赞数 1

分类专栏： SLAM项目实战文章标签： SLAM BALM 论文详解

于 2023-09-10 21:24:03 首次发布

本文链接：https://blog.csdn.net/qq_41921826/article/details/132794638

版权

SLAM项目实战专栏收录该内容

46 篇文章 31 订阅 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了Bundle Adjustment for LiDAR Mapping（BALM）算法，该算法解决了激光SLAM中BA优化问题。通过对BA公式和导数的解析，提出自适应体素化方法，实现特征点对应和优化。将BALM应用于LOAM后端，提高了精度和鲁棒性，实验表明即使在实时优化中也能达到10Hz的速度，显著降低了漂移。

摘要由CSDN通过智能技术生成

1 摘要

Bundle Adjustment是一种用于同时估计三维结构和传感器运动运动的优化算法。在视觉SLAM，三维重建等应用中，它被广泛用于优化相机位姿和地图的精度。在视觉slam中，BA通过最小化特征之间的重投影误差，有效得优化相机位姿和地图的一致性，从而提高SLAM系统的精度和鲁棒性。

然而来到激光雷达这边情况就很不一样：激光雷达点云虽然拥有深度信息，但是比起图像比较稀疏，单帧的出点量和图像中的像素数量根本不在一个量级，导致特征点稀疏，特征匹配对应难做。那么有没有办法解决激光SLAM中的BA优化问题，让它可以在后端优化、雷达外参优化等应用上发挥作用呢？MARS实验室2021年6月发表在RAL的论文《Bundle Adjustment for LiDAR Mapping》给出了一个切实可行的方案。

在本文中，我们将激光BA建模为将特征点与其匹配的边缘或平面之间的距离最小化。与视觉SLAM（以及激光SLAM中先前的平面调整方法）不同的是，特征点可以通过解析方法求解并从BA中移除，得到的BA只依赖于扫描位姿。这大大减少了优化的规