pose graph优化总结

描述：

• pose优化相比BA优势在于：
  • 更快，也就是能处理更大规模的数据
  • 可以做按层级来优化，也就是可以处理超大规模的数据，并且可以根据更新量的特点，只做某个层级的优化。
  • 可以修正更大的便宜修正
• 全局优化的步骤为：
  • 通过点云匹配，把各个submap通过sim3整体变换到近似的位置。为pose优化得到初值
  • 通过frame到点云的匹配，得到frame之间的sim3变换。做pose graph的优化。为BA得到初值
  • 做BA

算法：

• 使用vslam生成submap的时候。把共視关系全部存下来。每个frame只存和他最强的那个共視关系。
• 目前只合并两个submap，把一个submap的某一帧自己的点云和另外一个submap的所有点云做匹配，然后计算两个点云的sim3变换。如果成功匹配上就能得到submap之间的一个共視关系。
• 直接匹配两个submap的所有点云，得到一个整体的sim3。通过这个sim3把一个点云和另外一个点云做整体的对齐。
• 做pose优化。

分析：

• 一开始submap内的共視关系只用了相邻frame的关系。发现基本会优化错。所以submap内部共視需要使用多帧的。
• 一开始submap间的共視关系也使用了很多，结果效果很差。对于不用sim3做整体变换的情况，都不能得到正确结果。但只使用最强的那个共視关系就都没问题。

结果：

• 左边的是pose优化前，右边是优化后。可以看出即是初值相差这么远，也能得到全局最优。
• 一个停车场的数据被切成了两段，通过描述符的匹配后&