第一节:从高斯分布到信息矩阵
SLAM为什么使用最小二乘?本讲来看它的由来。
∑
−
1
\sum^{-1}
∑−1放到EKF中相当于噪声矩阵Q,R,表示每次观测的有多准。
第二节:舒尔补应用:边际概率,条件概率
第三节:滑动窗口算法:图优化基础,基于边际概率的滑动窗口算法
如果我们要marginalization掉最开始的cmaera1,若加入的新的camear能够观测到camera1观测到的路标点,此时需要将该路标点在camera1处的观测保留。
第四节:滑动窗口中的FEJ算法
上图中的新的信息矩阵中
ξ
2
\xi_2
ξ2由两部分组成,即以前老的被边缘化的误差对它状态量的雅可比导数,另一部分是新的观测残差对它状态量求导。
6自由度不客观:把整个观测的坐标系进行平移或旋转,变换到另一个地方,测量还是一样的,没有绝对的坐标系。
尺度不客观:将相机间的平移量(尺度)进行缩放,测量值仍然不变
vio-视觉与IMU融合实现里程计(第四章)——基于滑动窗口算法的VIO系统:可观性和一致性
最新推荐文章于 2022-11-03 20:58:49 发布