现在知道这个图什么意思了,其实非常现实,就是比如你跑vins的时候,显示的三维中的特征点和相机轨迹上的点!!!!!
圆形就是特征点的三维坐标,三角形就是相机轨迹点的三维坐标!!!!!!这些点之间的连线就可以看做两个坐标点之间的相对关系,就像两个向量之间的旋转矩阵一样。把虚线叫作观测模型,本质就是这个,没什么高大上的,实现运动模型。两个点之间的关系,无非用旋转矩阵就可以表示了嘛。
理解了这个图再去看图优化就好些了。
下面拍自《视觉SLAM十四讲》
![](https://img-blog.csdnimg.cn/20210810120237808.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzE2NjQzMjIz,size_16,color_FFFFFF,t_70)
![](https://img-blog.csdnimg.cn/20210810120459108.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzE2NjQzMjIz,size_16,color_FFFFFF,t_70)
这上面的图里还说位姿图也是一种常见的融合Pose测量的方法。
那问题就变成了知道这么多点之间的相对关系,寻求一个最优估计?大概就是做下面这种事情。
https://blog.csdn.net/sinat_16643223/article/details/119538741
![](https://img-blog.csdnimg.cn/20210810123924271.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzE2NjQzMjIz,size_16,color_FFFFFF,t_70)
图优化是不是就可以理解成一种最小二乘法,也就相当于有那么多组Pose点,画出一条平滑的线拟合它们。就达到了融合的目的?
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)