目录
后端很多时候都不是实时的,可以是计算慢一些的一个独立的线程,但是也要限制在一定的范围内。
1.递归方法
观测,使得运动过程的不确定性减小,是一个矫正的过程。
卡尔曼滤波包含了预测和矫正。矫正会使当前的不确定性减小。
预测部分采用运动方程。
递归需要假设马尔科夫性。如果不假设,就是批量的方法了。
目的 是希望由 k-1时刻的后验到 k时刻的后验
根据二次项的对应关系,这里的二次项系数对应的就是xk的后验的协方差。
K叫做卡尔曼增益。
后验=先验+卡尔曼增益*革新量
线性系统比较少,大多是非线性系统,可以使用EKF 扩展的卡尔曼滤波器。
即在工作点附近进行 一阶泰勒展开,就得到了线性近似的方程。再进行卡尔曼滤波器带入。
2.批量方法
通常对大矩阵求逆是不好求的。通常是希望避免的一件事。在BA中,H具有稀疏性,可以加速对增量方程的求解。Jij只和第i个相机的位姿、第j个路标点有关,因此J是稀疏的。J的稀疏,决定了H的稀疏。只有相机到点(运动方程),相机到相机之间的约束,而没有点与点间的约束。即p-p间没有连线。
BA中的特殊稀疏结构的好处:对角矩阵求逆简单。
计算第一步的时候,没有什么技巧,但是规模就比较小了。
3.pose graph
点可能由成千上万,但是关键帧可能只有几百,规模就大大减小了。