笔记 ： ICE-BA Incremental, Consistent and Efficient Bundle Adjustment
发布时间
阅读量：
阅读量
ICE-BA 是一篇发表于2018年的CVPR论文，在其官方GitHub页面上即可获取其源代码。本文重点阐述了Bundle Adjustment领域的创新工作：包含增量式的BA方法；相对边缘化是一种重要方法；同时提出了快速Local BA技术。前端跟踪阶段利用IMU提供的旋转积分值R进行计算：其中R表示在跟踪时会用到的旋转积分值。而后端优化中采用了两种BA技术：Local BA和Global BA，并且引入了相对边缘化的处理方法以进一步提升效率。研究表明该方法较传统BA实现快2至10倍，并未显著影响精度
IBA(Incremental Bundle Adjustment)
使用增量方法，实现快速构建舒尔补矩阵；
LBA(Local Bundle Adjustment )
在local BA 部分将长观测有overlap地分割成多个子观测以实现更稀疏的H矩阵组装，在计算H矩阵逆时会更快。通过将子观测组装到H矩阵中先计算相机位姿再解算点位坐标子观测如图所示。
步骤如下：
- 首先利用子观测构建矩阵[Ax=b]:
通过舒尔补的方法，在处理点云数据时去除包含点的块部分，从而得到一个新的矩阵...（在g2o框架中进行某种优化），此时变量仅与位姿信息相关。
- 首先解出相机位姿，然后利用公式解出点：
Relative Marginalization
边缘化操作广泛应用于滑窗SLAM算法中。其主要目的是在丢弃最后一批数据时，在窗口内保留最新的点云信息，并将其记录下来作为后续局部BA优化的初始估计值。该方法通过这种处理方式确保了窗口内点云的状态能够得到有效的优化和约束。作者提出这种方法的目的在于保证边缘化的语义与全局优化过程的一致性或连续性。
全部评论 (0)
还没有任何评论哟~