视觉SLAM十四讲第十一讲

第十一讲 后端2

本节目标

1. 理解 Pose Graph 优化。
2. 理解因子图优化。
3. 理解增量式图优化的工作原理。
4. 通过实验掌握 g2o 的 Pose Graph 优化与 gtsam 的因子图优化。
   一、位姿图
   1）Pose Graph的意义
   我们可以构建一个只有轨迹的图优化，而位姿节点之间的边，可以由两个关键帧之间通过特征匹配之后得到的运动估计来给定初始值。不同的是，一旦初始估计完成，我们就不再优化那些路标点的位置，而只关心所有的相机位姿之间的联系了。通过这种方式，我们省去了大量的特征点优化的计算，只保留了关键帧的轨迹，从而构建了所谓的位姿图（Pose Graph）
   
   2)Pose Graph 的优化
   简而言之，所有的位姿顶点和位姿——位姿边构成了一个图优化，本质上是一个最小二乘问题，优化变量为各个顶点的位姿，边来自于位姿观测约束。记 E 为所有边的集合，那么总体目标函数为：