转载请说明出处：

http://blog.csdn.net/zhubaohua_bupt/article/details/74011005

视觉SLAM的核心是求取相机的位姿并建图。

在优化位姿时，其思想是构造一个关于位姿变化的误差函数，当这个误差函数最小时，认为此时估计的位姿最优。

无论是直接法还是特征点法，位姿的迭代优化都是是求解一个最小二乘问题，

在优化位姿时

<1>直接法 最小二乘的误差函数是，前后帧所有参与求解位姿像素块的灰度差。通常这一步又称之位图像对齐。

<2>特征点法 最小二乘的误差函数是，重投影误差(PnP,地图点到当前图像的投影点与匹配点的距离差和)

本篇博客是介绍的是，SLAM优化位姿时，误差函数对位姿雅可比矩阵的推导。

误差函数对于位姿扰动的雅可比矩阵，决定着下一步最优迭代估计时，位姿增量的方向。因此十分重要。

下面我们先以直接法雅可比矩阵开始推导，特征点法类似。

图像最后的雅可比矩阵可以由，所有参与直接法像素点雅可比矩阵的叠加形成。

1 直接法：

至此，我们推导出了直接法中，误差函数对于李代数位姿的雅克比矩阵。

2 特征点法

在特征点法的SLAM中，在PnP优化位姿时，误差函数是重投影误差。

PnP特征点法与直接法的雅克比矩阵有什么不同呢？还得从投影过程说起。PnP是什么？

这个过程可用图像表示如下

PnP的过程可描述如下，一堆世界坐标系下的三维地图点P(X,Y,Z)，

<1> 首先经过我们要优化的位姿转换至当前帧的坐标系下P’(X’,Y’,Z’)，

<2> 然后透过相机内参投影至当前帧图像坐标系下p’(x’,y’)，

<3> 最后缩小地图点在当前图像帧上投影点p’与匹配点pmatch(xmatch,ymatch)距离误差，来优化位姿。

上述的过程就是PnP投影过程，实际的优化有若干次这样的迭代。

转载于:https://www.cnblogs.com/zhubaohua-bupt/p/7182785.html

SLAM优化位姿时，误差函数的雅可比矩阵的推导。相关推荐

slam优化库，优化方法，G2o Ceres的学习
文章目录 ch6 - ceres.g2o等前言 1.G2o **1.1 代码 :[G2o: exp(ax^2+bx+c)]** **1.2 理论-原理方面:** **1.3 G2O常见函数分析** ...
科普SLAM之位姿图优化建图
科普SLAM之位姿图优化建图本讲重点位姿图优化建图的基本定义(什么是PGO ?) 位姿图优化建图的研究意义(为什么需要PGO?) 位姿图优化建图的基本原理(PGO如何产生的?) 位姿图优化建图的算 ...
VINS-Mono IMU 预积分公式及协方差、雅可比矩阵传递推导
原论文链接:VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator 参考:崔华坤-<VINS论文推 ...
(02)Cartographer源码无死角解析-(53) 2D后端优化→位姿图优化理论(SPA)讲解、核型函数调用流程
讲解关于slam一系列文章汇总链接:史上最全slam从零开始,针对于本栏目讲解(02)Cartographer源码无死角解析-链接如下: (02)Cartographer源码无死角解析- (00)目录 ...
mysql属性配置提高查询_MYSQL性能优化-安装时优化参数配置提高服务性能
MYSQL性能优化一直是个头痛的问题,目前大多都是直接把页面html静态页面或直接使用了缓存技术,下面我就mysql本身的性能优化来分享一下. 安装时优化参数配置提高服务性能在Linux下安装Mys ...
Dubbo的优化 --- 开发时使用
开发时的三个优化: 1.开发者在本地开发的时候启动Dubbo比较麻烦,所以采用直接连接的配置: 2.开发者本地开发时会打断点调试,会超过Dubbo默认的超时时间1s,所以需要全局设置超时时间: 3.开 ...
JS日历控件优化(增加时分秒)
JS日历控件优化在今年7月份时候写了一篇关于 "JS日历控件" 的文章 , 当时只支持年月日的日历控件,现在优化如下: 1. 在原基础上支持 yyyy-mm- ...
BA_重投影误差e对于相机的位姿ξ和对空间点的坐标P的雅可比矩阵的推导
1. 基本思路重投影误差表示为e, 相机的位姿表示为ξ (或者表示为T=(R,t)), 空间点表示为P, 则空间点投影到相机坐标系下的空间坐标点的相机坐标表示为P'=[X', Y', Z'], 则 ...
matlab使用CVX求解优化问题时，如果变量搜索空间过大，导致求解的数值解相当不准确，通过变量替换，缩小搜索空间
错误的做法 clear clc rand('seed',1); %% 参数初始化 I = 5; N = 5; q = ones(1,I)/I; theta = [11,13,15,18,21]/10; ...

SLAM优化位姿时，误差函数的雅可比矩阵的推导。

1 直接法：

2 特征点法

SLAM优化位姿时，误差函数的雅可比矩阵的推导。相关推荐

最新文章

热门文章