SLAM中的非线性优-3D图优化之相对位姿Between Factor-SO3/t形式(十一)

本节开始讲解SO3+t的形式来推导相对位姿之间的雅可比跟残差,因为在实际求解过程中,也可能只有纯旋转或者纯平移的情况,因此,这里采用分开方式推导,从而兼容这种单一融合的需求,接下来依然沿用之前的图

一. 右扰动问题描述

二. 旋转部分

三. 平移部分

四. 完整雅可比矩阵

4.3 SO(3) 右雅可比

小角度近似

五. 左扰动模型

5.1 相对位姿残差

5.2 旋转部分(使用左扰动)

5.2.1 旋转残差

5.2.2旋转雅可比(左扰动)

5.2.3平移残差

5.2.4 平移雅可比(左扰动)

**六.**完整雅可比矩阵(左扰动)

参数顺序

完整雅可比矩阵

SO(3) 左雅可比

左雅可比的性质

总结(左扰动 vs 右扰动)

相关推荐
绿蕉2 小时前
AI安全:构建智能体信任的“数字锚点”
人工智能
DO_Community2 小时前
DigitalOcean推出AI智能体开发套件(ADK),让你的 AI Agent 从原型走向可用
服务器·人工智能·ai·agent·mcp
鲨莎分不晴2 小时前
游戏 AI 的巅峰之路:从 OpenAI Five 到 AlphaStar
人工智能·游戏
乾元2 小时前
AI 驱动的网络攻防演练与安全态势推演——从“规则检测”到“行为级对抗”的工程体系
网络·人工智能·安全·web安全·架构·自动化·运维开发
Mintopia2 小时前
🌌 多模态 AI 的崛起:语言、图像与视频的融合革命
人工智能·llm·aigc
Linux猿2 小时前
365科技简报 12月25日 星期四
人工智能
aini_lovee2 小时前
基于 OpenCV 的模板匹配算法的 C 语言实现
c语言·opencv·算法
core5122 小时前
EM 算法 (期望最大化):在迷雾中寻找真相
算法·em·期望最大化