近几年点云 slam 领域有一类文章不满足于仅估计 pose graph。尝试类似视觉 slam 中的 ba 方法,其致力于同时估计 feature 和 pose。本文内容上仅对比了这些方案在后端部分的差异,但是数据关联可能是在该类方案中更为重要的问题。
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]

论文 [5] 考虑滑动窗口下的估计,其增加了边缘化部分的约束,未边缘化部分代价同 (13) 。
窗口外的约束的 pose 固定,但边缘化部分约束仍对 plane 参数求偏导。文中推导了每个 plane 对应边缘化部分的 reduced 残差,该残差对平面参数的导数可以通过增量计算 Hj 后 cholesky 分解得到。
该论文中对比了 BALM。因将墙体、门等平面两侧视为两个平面进行优化,减少了错误的数据关联,在某些数据集上优于 BALM。
审核编辑:刘清
-
SLAM
+关注
关注
24文章
455浏览量
33184
原文标题:Lidar BA 方案后端部分的差异
文章出处:【微信号:阿宝1990,微信公众号:阿宝1990】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
即插即用的自动驾驶LiDAR感知算法盒子 RS-Box
LIDAR与RADAR在自动驾驶汽车中的比较
Compare Designs就可以开启DSN设计差异对比的功能
实现“三重视野” – LiDAR技术实现安全驾驶
LIDAR原型制作平台如何建立算法和自定义硬件解决方案的原型?
什么是后端?
【Altium小课专题 第184篇】AD如何进行原理图差异对比?
TIA电路在后端加滤波器的时候看到方波变形的情况怎么解决?
数字后端基本概念介绍

Lidar BA方案在后端部分的差异对比
评论