SLAM中的非线性优-3D图优化之绝对位姿SE3约束左扰动(十六)

本节开始讲解SLAM中另外一个常用的基本知识,绝对位姿约束,这里的绝对位姿是个通用叫法,所谓绝对位姿,即为世界坐标系下的位姿,如再松耦合当中经常使用的激光/视觉/rtk求解的pose跟其它传感器的融合,接下来我们看如何求解这类问题;

类似上图,当前轨迹,被一个全局观测拉住,这样轨迹漂移就会减少

**一.问题描述:**SE(3) 位姿残差与雅可比矩阵推导

上述左右雅克比的关系,可参考本系列博客《SLAM中的非线性优-3D图优化之相对位姿Between Factor左扰动(六)》中附录部分。

总结

本节推导了左扰动下,绝对位姿的残差跟雅克比,实际上与相对位姿类似,就是构建BCH公式,推导总体上也比较简单;

常用近似方案

相关推荐
Magic-Yuan几秒前
鸿沟即机遇
人工智能
丷丩3 分钟前
GeoAI UP:一键部署包发布,让地理空间AI触手可及!
人工智能·空间分析·geoai
Wadli13 分钟前
26.单调栈
算法
晨曦夜月15 分钟前
进程的五大状态及特殊进程解析
linux·服务器·算法
大黄说说15 分钟前
大模型落地之困:企业应用的多重壁垒与破解之道
人工智能
qq_4112624217 分钟前
四博大黄蜂 AI 智能音箱方案:云端音乐、SD 卡播放、蓝牙音箱、AI 对讲一体化智能终端
人工智能·智能音箱
吟安安安安19 分钟前
适合短期冲刺的学习工作流(针对算法)
学习·算法
科研前沿24 分钟前
什么是时空融合技术?
大数据·人工智能·数码相机·算法·重构·空间计算
小何code24 分钟前
人工智能【第8篇】监督学习实战:线性回归与逻辑回归算法详解(万字长文+完整代码实现)
人工智能·python·学习·机器学习·逻辑回归·线性回归