在VSLAM中,我们假定给出的对应集{x-x'},然后去计算相机的运动估计,但是由于噪声的影响,错误的匹配导致很差的估算效果采用2种方法减少这个错误匹配影响,选择那些正确的匹配进行估计(RANSAC)和降低那些错误匹配的权重(鲁棒核函数)两者区别是:
RANSAC方法进行模型估计,实际上分了两步,首先选出局内点,然后再进行一步优化。鲁棒核函数只需要一步,直接优化求解模型参数,通过降低外点的权重,来降低错误数据的影响。
在最小二乘,即重投影误差最小化的目标函数中,如果一旦出现误匹配,这一部分对目标函数的梯度会影响很大(梯度大),导致偏离正确的优化方向。原因可理解为误差很大时,二范数的增长过快。
参考:
1.视觉SLAM14讲
2.https://blog.csdn.net/weixin_39752599/article/details/103497730