作者丨方川@知乎

来源丨https://zhuanlan.zhihu.com/p/479818521

编辑丨3D视觉工坊

标题：Square Root Bundle Adjustment for Large-Scale Reconstruction

作者：Nikolaus Demmel, Christiane Sommer, Daniel Cremers, Vladyslav Usenko

来源：CVPR 2021

今天我们要精读的文章事来自TUM的Square Root Bundle Adjustment for Large-Scale Reconstruction。这篇工作针对Bundle Adjustment中边缘化问题，提出了对待优化地图点做QR分解的方法，来加速BA, 并且可以达到与传统舒尔补方法相当的精度结果. 本文方法对在资源受限的嵌入式设备上运行大规模BA有一定的借鉴意义.

摘要

本文提出一种新的Bundle Adjustment的公式模型, 在地图点边缘化过程中引入QR分解, 以此来达到减少bundle adjustment计算量的目的, 我们称之为square root BA, 代数上等价于平时使用的Schur complement, 但是本文方法可以使用单精度浮点运算解决大场景下的bundle adjustment问题. 在真实数据上的实验结果表明, square root BA可以得到和Schur complemnet一样精度，而且运行速度更快.

主要贡献:

1.本文提出一种零空间投影的边缘化方法，替代传统的舒尔补, 实验证明了本文方法与舒尔补在代数上是等价的;

2.针对BA问题的特殊结构, 本文实现了高效的零空间投影边缘化;

3.本文方法可以很好的并行化, 并且可以支持单精度浮点运算;

4.本文方法在大场景的BA数据集上做了大量测试, 并且与sota的ceres优化框架做了对比, 证明本文方法的可行性;

算法流程

1. Square root bundle adjustment

4.1 Least squares problem

我们一般采用Levenberg-Marquardt算法求解公式(5), LM算法的基本思想是把残差线性化, 把最小二乘问题转换为一个带阻尼的线性问题:

4.2 Schur complement

4.3 Nullspace marginalization

至此，公式(6)定义的优化问题变成了优化目标公式(17), 目标函数的参数数量大大减少, 而且不需要像舒尔补那样显式构建Hessian矩阵.

2.Implement details

使用共轭梯度线性求解器.

系统可以对每个地图点的landmark block独立的处理线性化、边缘化、两步求解工作, 所以可以直接并行化计算.

实验

对比实验中的几项对比对象:

Performance profiles

内存占用情况: 每个landmark block的存储大小与观测到该地图点的相机数量成平方增长.

本文仅做学术分享，如有侵权，请联系删文。

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近5000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~