目录
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