近幾年點云 slam 領域有一類文章不滿足于僅估計 pose graph。嘗試類似視覺 slam 中的 ba 方法,其致力于同時估計 feature 和 pose。本文內容上僅對比了這些方案在后端部分的差異,但是數據關聯可能是在該類方案中更為重要的問題。
?
PART. 01
π-LSAM(2021)[3]
PART. 02 Eigen Factors(2019)[6]
PART. 03 BALM(2020,2022)[1,2,7]
PART. 04
Plane Adjustment(2020,2021)[4,5]
論文 [5] 考慮滑動窗口下的估計,其增加了邊緣化部分的約束,未邊緣化部分代價同 (13) 。
窗口外的約束的 pose 固定,但邊緣化部分約束仍對 plane 參數求偏導。文中推導了每個 plane 對應邊緣化部分的 reduced 殘差,該殘差對平面參數的導數可以通過增量計算 Hj 后 cholesky 分解得到。
該論文中對比了 BALM。因將墻體、門等平面兩側視為兩個平面進行優化,減少了錯誤的數據關聯,在某些數據集上優于 BALM。
審核編輯:劉清
-
SLAM
+關注
關注
23文章
428瀏覽量
32010
原文標題:Lidar BA 方案后端部分的差異
文章出處:【微信號:阿寶1990,微信公眾號:阿寶1990】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
即插即用的自動駕駛LiDAR感知算法盒子 RS-Box
LIDAR與RADAR在自動駕駛汽車中的比較
Compare Designs就可以開啟DSN設計差異對比的功能
實現“三重視野” – LiDAR技術實現安全駕駛
LIDAR原型制作平臺如何建立算法和自定義硬件解決方案的原型?
什么是后端?
【Altium小課專題 第184篇】AD如何進行原理圖差異對比?
TIA電路在后端加濾波器的時候看到方波變形的情況怎么解決?
數字后端基本概念介紹

評論