《表1 SLAM后端优化方法》
优化算法是基于图优化的SLAM后端优化的核心部分,但随着SLAM系统研究的深入,优化算法不再局限于上述四种方法中,例如Eckenhoff等人[40]提出的边缘化和稀疏化解耦的方法;Xie等人[41]提出了在前端与后端之间建立中间层剔除假闭环,并加入人工闭环,提高后端的鲁棒性,如表1所示。后端优化算法需要解决的难题就是精确性与实时性之间的关系,两者之间相互制约。因此,面对大规模环境的数据,在优化时常用矩阵分解来提高效率。在大规模环境中采集数据,其数据之间的关联性增强,后端优化需要处理的矩阵规模就会复杂化,且SLAM系统具有内在的稀疏特性。因此,在后端优化中使用矩阵分解,降低问题求解的复杂性。Cholesky与QR分解是在后端优化中常用的两种矩阵分解方法。Eckenhoff、Konolige、Mazuran等人[40,42,43]均对稀疏性进行利用,进行矩阵分解以提高效率。Dellaert等人[28]指出,当机器人位姿节点远大于路标节点时,两种分解方法均需要O(mn2)运算。面对不同规模的环境,选择不同的分解方法,可以提高后端优化的处理速度,缩短时间。
图表编号 | XD0035689500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张洪华、刘璇、陈付豪、李文彬、张建华 |
绘制单位 | 河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院、河北工业大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |