没有合适的资源?快使用搜索试试~ 我知道了~
理解图优化,一步步带你看懂g2o框架.pdf
需积分: 44 26 下载量 35 浏览量
2020-04-20
23:14:10
上传
评论
收藏 1.81MB PDF 举报
温馨提示
试读
12页
理解图优化,一步步带你看懂g2o框架.pdf
资源推荐
资源详情
资源评论
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!
小白:厉害厉害!向大牛们致敬!
图优化是什么?
小白:图优化既然是主流,那我可以跳过滤波方法直接学习图优化吧,反正滤波方法也看不懂。。
师兄:额,图优化确实是主流,以后有需要你可以再去看滤波方法,那我们今天就只讲图优化好啦
小白:好滴,那问题来了,究竟什么是图优化啊?
师兄:图优化里的图就是数据结构里的图,一个图由若干个顶点(vertex),以及连接这些顶点的边(edge)组
成,给你举个例子
比如一个机器人在房屋里移动,它在某个时刻 t 的位姿(pose)就是一个顶点,这个也是待优化的变量。而位姿之间
的关系就构成了一个边,比如时刻 t 和时刻 t+1 之间的相对位姿变换矩阵就是边,边通常表示误差项。
在SLAM里,图优化一般分解为两个任务:
1、构建图。机器人位姿作为顶点,位姿间关系作为边。
2、优化图。调整机器人的位姿(顶点)来尽量满足边的约束,使得误差最小。
下面就是一个直观的例子。我们根据机器人位姿来作为图的顶点,这个位姿可以来自机器人的编码器,也可以是ICP
匹配得到的,图的边就是位姿之间的关系。由于误差的存在,实际上机器人建立的地图是不准的,如下图左。我们通
过设置边的约束,使得图优化向着满足边约束的方向优化,最后得到了一个优化后的地图(如下图中所示),它和真
正的地图(下图右)非常接近。
小白:哇塞,这个图优化效果这么明显啊!刚开始误差那么大,最后都校正过来了
师兄:是啊,所以图优化在SLAM中举足轻重啊,一定得掌握!
小白:好,有学习的动力了!我们开启编程模式吧!
先了解g2o 框架
师兄:前面我们简单介绍了图优化,你也看到了它的神通广大,那如何编程实现呢?
小白:对啊,有没有现成的库啊,我还只是个“调包侠”。。
师兄:这个必须有啊!在SLAM领域,基于图优化的一个用的非常广泛的库就是g2o,它是General Graphic
Optimization 的简称,是一个用来优化非线性误差函数的c++框架。这个库可以满足你调包侠的梦想~
小白:哈哈,太好了,否则打死我也写不出来啊!那这个g2o怎么用呢?
师兄:我先说安装吧,其实g2o安装很简单,参考GitHub上官网:
https://github.com/RainerKuemmerle/g2o
按照步骤来安装就行了。需要注意的是安装之前确保电脑上已经安装好了第三方依赖。
小白:好的,这个看起来很好装。不过问题是,我看相关的代码,感觉很复杂啊,不知如何下手啊
师兄:别急,第一次接触g2o,确实有这种感觉,而且官网文档写的也比较“不通俗不易懂”,不过如果你能捋顺了它
的框架,再去看代码,应该很快能够入手了
剩余11页未读,继续阅读
资源评论
一抹烟霞
- 粉丝: 1252
- 资源: 27
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功