理解图优化，一步步带你看懂g2o框架.pdf
需积分: 44 35 浏览量
2020-04-20
23:14:10
上传
评论
收藏 1.81MB PDF 举报
首发于公众号：计算机视觉life 旗下知识星球「从零开始学习SLAM」
2019.01.17
理解图优化，一步步带你看懂g2o框架
小白：师兄师兄，最近我在看SLAM的优化算法，有种方法叫“图优化”，以前学习算法的时候还有一个优化方法叫“凸
优化”，这两个不是一个东西吧？
师兄：哈哈，这个问题有意思，虽然它们中文发音一样，但是意思差别大着呢！我们来看看英文表达吧，图优化的英
文是 graph optimization 或者 graph-based optimization，你看，它的“图”其实是数据结构中的graph。而凸优化的
英文是 convex optimization，这里的“凸”其实是凸函数的意思，所以单从英文就能区分开它们。
小白：原来是这样，我看SLAM中图优化用的很多啊，我看了一下高博的书，还是迷迷糊糊的，求科普啊师兄
师兄：图优化真的蛮重要的，概念其实不负责，主要是编程稍微有点复杂。。
小白：不能同意更多。。，那个代码看的我一脸懵逼
图优化有什么优势？
师兄：按照惯例，我还是先说说图优化的背景吧。SLAM的后端一般分为两种处理方法，一种是以扩展卡尔曼滤波
（EKF）为代表的滤波方法，一种是以图优化为代表的非线性优化方法。不过，目前SLAM研究的主流热点几乎都是
基于图优化的。
小白：据我所知，滤波方法很早就有了，前人的研究也很深。为什么现在图优化变成了主流了？
师兄：你说的没错。滤波方法尤其是EKF方法，在SLAM发展很长的一段历史中一直占据主导地位，早期的大神们研
究了各种各样的滤波器来改善滤波效果，那会入门SLAM，EKF是必须要掌握的。顺便总结下滤波方法的优缺点：
优点：在当时计算资源受限、待估计量比较简单的情况下，EKF为代表的滤波方法比较有效，经常用在激光SLAM
中。
缺点：它的一个大缺点就是存储量和状态量是平方增长关系，因为存储的是协方差矩阵，因此不适合大型场景。而现
在基于视觉的SLAM方案，路标点（特征点）数据很大，滤波方法根本吃不消，所以此时滤波的方法效率非常低。
小白：原来如此。那图优化在视觉SLAM中效率很高吗？
师兄：这个其实说来话长了。很久很久以前，其实就是不到十年前吧(感觉好像很久)，大家还都是用滤波方法，因为
在图优化里，Bundle Adjustment（后面简称BA）起到了核心作用。但是那会SLAM的研究者们发现包含大量特征点
和相机位姿的BA计算量其实很大，根本没办法实时。
小白：啊？后来发生了什么？（认真听故事ing）
师兄：后来SLAM研究者们发现了其实在视觉SLAM中，虽然包含大量特征点和相机位姿，但其实BA是稀疏的，稀疏
的就好办了，就可以加速了啊！比较代表性的就是2009年，几个大神发表了自己的研究成果《SBA：A software
package for generic sparse bundle adjustment》，而且计算机硬件发展也很快，因此基于图优化的视觉SLAM也
可以实时了！
剩余11页未读，继续阅读
资源评论
