cartographer的后端核心，后端优化OptimizationProblem2D::Solve

最新推荐文章于 2024-10-21 20:52:05 发布
最新推荐文章于 2024-10-21 20:52:05 发布
阅读量1.1k 收藏
点赞数
分类专栏： 2d_slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/windxf/article/details/114663249
版权
Cartographer采用位姿图优化进行SLAM，随着数据增加，性能受到影响。尽管有frozen_trajectories策略，但何时冻结路径是个挑战。其目标是通过构建和保存小地图来优化大地图。尽管仍有改进空间，源码实现被赞誉为优雅。本文深入探讨OptimizationProblem2D::Solve的细节。
摘要由CSDN通过智能技术生成

简介：cartograoher使用位姿图优化来slam，从代码上来看是一股脑的处理所有数据，这样当数据不断增长时就很不利，可以试试因子图的方案，或者是vins的策略。cartographer也不是一点也没有，他使用了frozen_trajectories的策略，就是该路径不需要再优化就设置为frozen，但是何时设置为Frozen呢？这是个问题，所以cartographer是希望大地图是由小地图拼起来的，每次建小地图然后保存，然后再加载时设置为frozen，然后再建新图再一起保存。
虽然功能上还是有些可以优化的地方，但是这段代码写的真优雅。

talk is cheap, show other’s code

void OptimizationProblem2D::Solve(
    const std::vector<Constraint
了解本专栏 订阅专栏 解锁全文 超级会员免费看
可峰科技
关注
专栏目录
订阅专栏
(02)Cartographer源码无死角解析-(73) 2D后端优化→OptimizationProblem2D-landmark残差细节分析
江南才尽江南山，年少无知年少狂！
07-04 886
个人理解个人理解后端优化是在图优化的框架下，通过调整节点和子图的位姿，以最大程度地满足各种约束条件，使得整个系统的位姿估计更加准确和一致。在后端优化中，节点和子图的位姿是通过最小化误差函数来进行调整的。这个误差函数可以包含多种约束，如里程计测量、IMU数据、固定的参考帧位姿、特征点观测等等。优化的目标是找到一组位姿，使得所有的约束都得到满足，并且使得整个系统的一致性最好。在优化的过程中，为了保证约束的准确性，需要对位姿进行调整，同时也要考虑到不同节点和子图之间的关系，以及它们与前端位姿估计的一致性。
SLAM Cartographer（18）后端优化问题求解器
氢键H-H
03-20 5310
了解经过闭环检测构建了子图与节点之间的约束之后，通过后端优化求解器进行优化求解。核心是基于Ceres库进行SPA(Sparse Pose Adjustment)的优化方法，把后端优化问题描述成为一个最小二乘的问题求解
Cartographer源码阅读---后端优化思路
qq_41663016的博客
05-16 1776
进入到后端, Cartographer在pose_graph中实现了约束与节点的添加, 在optimization_problem中实现优化. 约束的构建方法由于传感器类型不同, 也多种多样, 不同的构建方法实现了相互的约束, 所以可以实现整体的优化.
Cartographer源码阅读2D-后端优化-SPA
yeluohanchan的博客
09-30 756
Cartographer源码阅读-2D后端优化-SPA SPA优化 关于SPA，类： // 存放Node的信息 struct NodeSpec2D { common::Time time; // 该帧的时间 transform::Rigid2d local_pose_2d;// 不带重力对齐的LocalSLAM下的位姿 transform::Rigid2d global_pose_2d;// 不带重力对齐的GlobalSLAM下的位姿 Eigen::Quaterniond gravity_a
(02)Cartographer源码无死角解析-(71) 2D后端优化→OptimizationProblem2D::Solve() - 优化准备工作，参数块
江南才尽江南山，年少无知年少狂！
07-03 916
上一篇博客中，分析了PoseGraph2D 与 OptimizationProblem2D 的交互过程。疑问1疑问1global_submap_poses 等价于 PoseGraph2D::data_.global_submap_poses_2d 是何时进行优化的。也就是说，针对于前面的所有困惑都在源码中找到了答案。当然，此时又出现了新的疑问，那就是 optimization_problem_->Solve() 具体是如何实现优化的。
(02)Cartographer源码无死角解析-(66) 2D后端优化→PrecomputationGridStack2D、SlidingWindowMaximum -构建多分辨率地图
江南才尽江南山，年少无知年少狂！
07-02 1246
疑问1疑问1global_submap_poses 等价于 PoseGraph2D::data_.global_submap_poses_2d 是何时进行优化的。// 生成一个将初始化匹配器的任务, 初始化时会计算多分辨率地图, 比较耗时 scan_matcher_task -> SetWorkItem([ & submap_scan_matcher , & scan_matcher_options ]() {
Cartographer代码阅读笔记：后端优化器
weixin_38651019的博客
10-11 884
###后端优化简介 Cartographer的后端优化器是通过SPA（Sparse Pose Adjustment）的技术，根据路径节点和子图之间的约束关系，最终优化路径节点和子图的世界坐标。路径节点和子图之间的约束关系是由约束构建器通过回环检测方法得到的。而所谓的SPA技术，本质上还是通过LM（Levenberg-Marquardt）方法进行非线性寻优。并且由于不是所有的子图和路径节点之间都能成功构建约束，以至于LM的增量方程中的H矩阵是一个稀疏矩阵，这样就可以通过使用一些优化手段来降低对内存的需求，提高
cartographer 代码思想解读（13）- 后端优化基本思想
jiajiading的博客
11-23 2278
cartographer 代码思想解读（12）- 后端优化基本思想
(02)Cartographer源码无死角解析-(72) 2D后端优化→OptimizationProblem2D-约束残差、landmark残差
江南才尽江南山，年少无知年少狂！
07-03 931
在继续分析 OptimizationProblem2D::Solve() 函数之前，这里把之前本人的一些理解再重复一次。个人理解个人理解这里，本人抛砖引为引玉，谈一下个人对后端优化的理解。首先后端优化是从一个整理来考虑的，其基于 global 系。利用到到了子图与子图之间的变换关系，可以在前端(基于local系)过程中，子图单个相对于 local系 的位姿，可以说他们是没有直接联系到一起的。
cartographer optimization_problem_2d.c解析
南北粉面馆
11-11 333
FromPose（）将transform::Rigid2d格式转换为ceres使用的格式std::array<double, 3> std::array<double, 3> FromPose(const transform::Rigid2d& pose) { return {{pose.translation().x(), pose.translation().y(), pose.normalized_angle()}}; } ToPose（）将
cartographer_2d:从googlecartographer改进并在Zh-cn中添加评论
05-09
cartographer_2d 简介 这个 repository 旨在让更多人看到后可以更好的理解 google cartographer 这个项目的代码，不过由于我的项目主要是用到 2d 这一块，所以我删减掉了 mapping_3d 这个文件夹的内容，并将代码中少量用到3d的部分挪到了 mapping_2d 目录中，这部分可以对比 google cartographer 来看。 这里用的是 cartographer 的 0.3.0 这个 release 版本，后面的 commit 我会一直跟进，不过在下一个 release 版本出来之前基本上不会出现文件结构的变化，同时在这个 release 版本之后 google 的开发人员给cartographer加入了很多 gRPC 的功能，这个对于我来说并没有实际的用处，所以暂时没有跟进这方面代码的打算。 最后，google 的 cartogra
cartographer后端处理详细脑图
05-28
自己总结的cartographer后端处理详细脑图，从添加节点开始，到构建约束，到线程池，到全局优化都有，提取了关键的函数。xmind格式，下载以后可以自己修改。
(02)Cartographer源码无死角解析-(60) 2D后端优化→ 线程池 Task 与 ThreadPool
江南才尽江南山，年少无知年少狂！
03-08 998
上一篇博客中，以 DrainWorkQueue()、AddWorkItem() 为例，讲解了线程池的一个应用，或许从这个例子来看，线程池似乎很简单的，其实不然。后续的讲解也是围绕着这两个类，不过 ThreadPool 先对来说比较简单，下面先要分析的是 Task。总的来说 Task 可是说是一个任务调配系统，或者说机制。Cartographer 中很多任务都存在依赖关系，具体例子后续分析源码再讲解。这里列举一个比较简单的示例：比如存在任务2，记为task2341task234。
(02)Cartographer源码无死角解析-(54) 2D后端优化→PoseGraphInterface、PoseGraph、PoseGraph2D::AddNode()
江南才尽江南山，年少无知年少狂！
02-03 1732
通过上一篇博客，再次对 global_trajectory_builder.cc 文件中的 AddSensorData() 进行了分析，同时简要提及位姿图。在Cartographer 中，位姿图优化核心类为 src/cartographer/cartographer/mapping/internal/2d/pose_graph_2d.cc 文件中的 PoseGraph2D。其函数 PoseGraph2D::AddNode() 起到了前端与后端交互作用。
(02)Cartographer源码无死角解析-(53) 2D后端优化→位姿图优化理论(SPA)讲解、核型函数调用流程
江南才尽江南山，年少无知年少狂！
02-01 2855
通过前面的一系列博客，已经完成了2D点云扫描匹配：含相关性暴力搜索匹配以及ceres扫描匹配的讲解。总得来说，关于Cartographer前端数据处理以及前端位姿优化的相关代码已经深入解析。那么接下来，就是对后端部分代码讲解，这里暂时还是以2D后端优化为例，后续再向3D扩展。由节点和边组成的一种数据结构, 节点之间的关系可以是任意的, 图中任意两节点之间都可能相关(存在边)。
cartographer探秘第四章之代码解析（五） --- 后端优化 --- 闭环约束1 --- PrecomputationGrid2D
李想的博客
09-22 1504
本次阅读的源码为 release-1.0 版本的代码 https://github.com/googlecartographer/cartographer_ros/tree/release-1.0 https://github.com/googlecartographer/cartographer/tree/release-1.0 也可以下载我上传的 全套工作空间的代码，包括 protobuf, cartographer, cartographer_ros, ceres, https://downl
Optimization_problem_2d.h
caizou123123的博客
12-25 428
Optimization_problem_2d struct NodeSpec2D { common::Time time; transform::Rigid2d local_pose_2d; //节点的局部位姿 transform::Rigid2d global_pose_2d;　　//节点的全局位姿 Eigen::Quaterniond gravity_alignm...
(02)Cartographer源码无死角解析-(75) 2D后端优化→整体复盘，理解后端优化核心
江南才尽江南山，年少无知年少狂！
07-05 1282
个人理解个人理解这里，本人抛砖引为引玉，谈一下个人对后端优化的理解。首先后端优化是从一个整理来考虑的，其基于 global 系。利用到到子图与子图之间的变换关系，可以在前端(基于local系)过程中，子图单个相对于 local系 的位姿，可以说他们是没有直接联系到一起的。除了子图，节点也一样，前端的节点都是根据活跃子图计算出相对于 local系 的位姿，但是却没有和前面已经完成的子图联系到一起，也显得比较孤立。
增强重定位的Cartographer算法改进
最新发布
gitblog_09704的博客
10-21 416
增强重定位的Cartographer算法改进 【下载地址】增强重定位的Cartographer算法改进 本仓库提供了一种针对激光SLAM算法的改进方案，重点在于增强Cartographer算法中的重定位功能。通过在五千平方米的车库环境中进行实验验证，我们成功将重定位耗时降低至3.35秒。本资源文件包含了改进后的算法源码，...
cartographer后端优化
06-28
### 回答1： 作为地图绘制程序Cartographer的后端开发，优化是非常重要的。在软件开发过程中，优化可以提高程序的性能和效率，使其能够更加高效地运行。特别是在Cartographer这样需要大量数据处理和计算的应用中，优化是不可或缺的。以下是Cartographer后端优化的几个方面： 一、算法优化：Cartographer需要进行大量的地图数据处理和建模，对于算法的优化尤为重要。例如，采用更快的搜索算法，优化地图建模算法等，可以显著提高程序的性能，使地图生成速度更快。 二、缓存优化：在Cartographer后端开发中，缓存是一个非常重要的性能优化手段。对于已经计算过的数据或结果进行缓存，可以避免重复计算，节约系统资源，提高性能。 三、并发优化：Cartographer需要同时处理多个数据集和任务，因此并行计算也是一项重要的优化手段。采用合适的多线程和进程技术，可以优化程序的并发性能，在处理大量并发任务时提高性能和效率。 四、资源管理优化：Cartographer对于硬件资源的要求较高，对于内存和磁盘空间的管理也需要做出优化。例如，采用内存共享技术，合理利用内存资源，或者使用更高效的磁盘文件存储方式，可以优化程序的内存和磁盘使用效率。 总之，Cartographer后端优化是一个综合性的任务，需要从算法、缓存、并发、资源管理等多个方面入手，不断改进和优化，才能提高程序的性能和效率，在处理大量数据时更加稳定可靠。 ### 回答2： 在地图应用的开发中，cartographer是一种用于绘制和渲染地图的开源库。为了提高地图绘制的速度和性能，需要对cartographer后端进行优化。下面是几种常见的cartographer后端优化技巧。 1. 减少重复绘制 在构建地图时，有可能会存在相同的图层或图形重复绘制。这会降低地图的绘制速度和性能。为了避免这种情况，可以使用缓存技术，将重复的图层或图形存储到缓存中并直接渲染。这样可以减少不必要的绘制，提高地图绘制速度。 2. 分离渲染和逻辑 在某些情况下，地图逻辑的计算和渲染会同时进行，这可能会导致渲染时间过长，反应迟缓。为了避免这种情况，可以将渲染和逻辑分离开来，采用多线程处理。例如，将地图上的图层分成多个单独的线程进行处理，这可以提高并发处理能力，从而加快渲染速度。 3. 使用可视化层级 在地图应用中，可视化层级是一个重要的优化技巧。通过设置不同的可视化层级，可以让地图应用在不同的地图范围和缩放等级下呈现出不同的效果。这可以减少不必要的渲染和绘制，提高地图绘制速度和性能。 4. 优化数据传输 在绘制地图时，数据传输也是一个重要的环节。尽管网络传输速度正在不断提高，但是过多的数据传输仍会影响地图的绘制速度。为了避免这种情况，可以采用数据压缩和数据分段等技术，将数据传输量降至最小。 总之，cartographer后端的优化需要综合考虑多个方面，包括缓存技术、多线程处理、可视化层级等多个因素。只有综合运用这些技术才能实现地图绘制的高速、高效和高质量。 ### 回答3： 在cartographer后端优化方面，有几个关键点需要注意： 1. 增加硬件配置：在高负载的情况下，即使是最流行的后端也会遇到瓶颈，因此增加服务器的硬件配置可以极大地改善cartographer的性能表现，包括增加CPU核心数、提升内存容量等。 2. 数据库优化：数据库是cartographer后端最重要的组件之一，因为它存储了所有地图数据和相关信息。为了提升数据库性能，我们可以采取以下几个措施： - 数据库服务器硬件升级：升级硬件配置，例如增加内存容量或者使用更快的硬盘，可以改善cartographer的响应速度和吞吐量； - 数据库索引优化：增加合适的索引可以加速数据检索的速度，提高对数据库的操作效率； - 数据库分区：将数据库拆分为多个分区，每个分区处理一部分请求，可以极大地提升并发处理能力。 3. 代码优化：cartographer后端的代码也需要不断进行优化、重构，以提高代码的质量和可维护性，同时也可以提高程序的性能和稳定性。可以通过以下几个方面进行优化： - 合理使用缓存：将一些常用的计算结果、数据存储到缓存中，减少数据库的访问次数，可以提高系统的响应速度； - 使用异步编程模型：在处理IO密集型任务时，采用异步编程模型可以有效减少线程阻塞，提高系统的并发处理能力； - 采用负载均衡器：在多台服务器上运行cartographer后端时，采用负载均衡器分配任务可以充分利用服务器资源，提高系统的性能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

可峰科技

生活不易

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值