视觉SLAM十四讲-第十一讲笔记

后端优化主要有两种方法，一是以BA为主的图优化，另一种是使用位姿图的优化方法。本讲将讲述位姿图的优化方法。

一、 位姿图介绍

后端优化的目标是在前端给出位姿和路标的初始估计值后，使用已得的全部数据对其进行优化。其中特点是：

• 特征点变量数远大于位姿变量数
• 特征点变量会趋于稳定

其中特征点变量在几次优化后的情况分为两种：

• 收敛：其空间位置会收敛至一个值（三维坐标）保持不动。
• 发散：称为外点，处于视野外，看不到，不再计入地图。

因此，高效的后端优化只需要做：

• 只优化位姿变量
• 无需与前端关联。

而BA做的是：优化每一个相机的位姿和每一个特征点的位置。这样会导致在特征点数目很多的大场景、或运行时间变长后，计算量过大，以至于无法实时化。
因此可以构建位姿图，其特点是：

• 顶点：优化变量只有位姿。$\epsilon$
• 边：运动方程，两个为子节点之间的相对运动估计$\delta {\epsilon }_{i,j}$。由两个关键字之间通过特征匹配之后得到的运动估计来给定初始值，为什么边有初始值?

二、 位姿图优化

与图优化一样，只不过建的图只用位姿不用特征点。思路也是，确定边、顶点，建图，确定误差，确定目标函数，计算雅可比，转为最小二乘问题，使用使用GN、LM等方法优化。

• 顶点：位姿变量（初值由前端给出，李代数标识)
• 边：相邻位姿节点之间的运动估计
• 误差：$e_{i,j}$，对${\epsilon }_i$，${\epsilon }_j$分别求导
• 雅可比：给李代数优化变量左扰动，使用BCH近似导出