位姿图的优化 位姿图的结构: 节点:相机位姿。 边:两个位姿节点之间的相对运动估计。(特征点法,直接法,GPS,IMU积分) 雅克比矩阵推导:(理清思路:我们求的是误差关于优化变量的导数) 左扰动模型: 交换法则(ch4习题): 于是有
其中第二行到第三行是exp(X)exp(Y)在0向量处一阶Taylor展开。 显然扰动部分为小量,所以需要用右乘BCH近似: <span class="MathJax_SVG" id="MathJax-Element-10-Frame" tabindex="0" data-mathml="exp(ξ∧)exp(Δξ∧)≈exp((Jr−1Δξ+ξ)∧)" role="presentation" style="display: inline-block; line-height: normal; font-size: 16px; word-spacing: normal; overflow-wrap: normal; white-space: nowrap; float: none; direction: ltr; max-width: none; max-height: none; min-width: 0px; min-height: 0px; border: 0px; position: relative;">exp(�∧)exp(Δ�∧)≈exp((��−1Δ�+�)∧) 比较系数,就得到了关于Ti和Tj的导数: Jr求解困难,在误差接近于0时,可以把它近似成单位阵I或: 实际上误差不一定很接近0,因此将Jr近似为单位阵I会有一定的损失。 代价函数:(∑为信息矩阵) 知道了节点、边、雅克比矩阵、误差、代价函数就用g2o求解了。
|