视觉SLAM笔记（49） 后端状态估计
- 1. 误差累积
- 2. 状态估计的概率解释
- 3. 所关心的问题
- 4. 最大似然估计
1. 误差累积
前端视觉里程计能给出一个短时间内的轨迹和地图
但由于不可避免的误差累积，这个地图在长时间内是不准确的
所以，在视觉里程计的基础上
还希望构建一个尺度、规模更大的优化问题，以考虑长时间内的最优轨迹和地图
不过，考虑到精度与性能的平衡，实际当中存在着许多不同的做法
2. 状态估计的概率解释
觉里程计只有短暂的记忆，而希望整个运动轨迹在较长时间内都能保持最优的状态
可能会用最新的知识，更新较久远之前的状态——站在“久远的状态”的角度上看，仿佛是未来的信息告诉它“你应该在哪里”
所以，在后端优化中，通常考虑一个更长时间内（或所有时间内）的状态估计问题
而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己
这种处理方式不妨称为“批量的”（Batch）
否则，如果当前的状态只由过去的时刻决定，甚至只由前一个时刻决定
那不妨称为“渐进的”（Incremental）
已经知道 SLAM 过程可以由运动方程和观测方程来描述
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！