现在再看这个视频和我五个多月前看这个视频的感受就不一样了
https://www.bilibili.com/video/BV1gb411a7bh?from=search&seid=15057309362272648788
这里说SLAM其实就是一个BA问题
使得重投影误差最小。
BA更多像一个地基一样的东西
误差相对于优化变量的雅可比
从这个图看还是比较好理解的
意思是通过优化相机位姿和路标点来降低重投影误差,使得这个重投影误差的协方差最小?
是不是这么理解就非常清晰了!!!!就变为一个典型的优化问题。
有了雅可比矩阵之后就可以得到它的海森矩阵
现在看这些就看得懂了。右边感觉不就是高翔说的镐形矩阵么。现在再去看 《视觉SLAM十四讲》的 9.2.3 小节就看得懂了!!!!!里面说的雅可比矩阵和嗨森矩阵也就清楚了。
蓝色的线是IMU的约束,就是比如第0帧和第一帧之间的rb01 注意这里C是相机 X是路标点
用因子图表示的话就不用写得像上面那么复杂,因子图可以很好地把这个问题表示出来,用因子图可以很好地去理清我们的思路。
我怎么感觉化为因子图还更麻烦了,不化因子图我还看得懂,现在发现似乎因子图和图优化是两个东西。图优化用原本的图就可以了。就下面这种图就可以了,这种图我还看得懂好理解。
怪不得高飞这么评价因子图,我现在理解了。
是的,图优化或者位姿图优化和因子图是两个东西,区分清楚。