SLAM中的非线性优-3D图优化之相对位姿Between Factor(七)

本节继续讲解李群李代数推导方式的相对位姿雅可比,上节讲到了对两时刻同时左扰动的方式,但是这样推导过于复杂,这一节讲解如何利用对两时刻单独左扰动的方式推导,依然使用相同的图来说明

同上节一样,先来点基础知识

一. 基础知识

1. 伴随矩阵性质

对两边同时施展逆变换可得

2. 左右扰动

二. 问题描述

位姿图残差项为:

目的利用BCH公式,将施加扰动后的残差项变为类似如下形式

三. 雅可比推导

1. 先对i时刻求导

实际是在上式左侧乘了一个单位元, 等式即可成立

代入到扰动后的残差

这样推导了i时刻的雅可比,与上节推导一模一样,但更直观更简洁

2. 再对j时刻求导

代入到扰动后的残差

直接利用伴随性质即可

3. 将两个结果放一起对比

这个对称而优美的结果显示了李群理论在推导中的强大威力

四. 总结

本节以伴随跟BCH公式为基础,直接推导了左乘扰动后的雅可比矩阵,并且最终结论与上节完全一致,相对上节的推导,单个求扰动后的雅可比更加简洁,更加容易理解,不过实现路径虽有不同,最终结论确是一致的,因此可以得出一个结论,再求解雅可比矩阵的时候,选择合适的扰动方式,往往能事半功倍。

附录

对上述几何解释中的符号相反做一个说明

为啥残差保持不变,符合相反的雅可比就是正确的呢?

简单的总结为: 只有扰动相同时,残差会保持不变,雅可比为0,这也就意味着相对位姿无法消除零空间

相关推荐
生信研究猿2 分钟前
leetcode 121.买卖股票的最佳时机
算法·leetcode·职场和发展
沪漂阿龙2 分钟前
PyTorch 深度学习完全指南:从激活函数到房价预测实战
人工智能·pytorch·深度学习
云边云科技_云网融合2 分钟前
网关接入异常监测预警:从固定阈值到 AI 动态感知的技术革新
运维·服务器·网络·人工智能
Chef_Chen2 分钟前
Agent学习-RAG--上下文压缩与知识库的更新
人工智能·学习·自然语言处理
fundoit3 分钟前
MySQL问题收集
数据库·人工智能·mysql·智能体
CoovallyAIHub3 分钟前
不需要Memory Bank:CMDR-IAD用2D+3D双分支重建做工业异常检测,MVTec 3D 97.3%
算法·架构·github
人工智能交叉前沿技术,4 分钟前
流固耦合与深度学习
人工智能·深度学习
paper_reader6 分钟前
世界模型的三个进化方向:从 AAA 游戏到第一人称闭环
深度学习·计算机视觉·ai·世界模型
广州创科水利10 分钟前
智慧赋能,守护安澜—广州创科助力五华县37宗水库安全监测
大数据·人工智能·安全
见行AGV机器人10 分钟前
本质安全型防爆AGV
人工智能·安全·agv·非标定制agv·agv控制器·麦轮agv