珠海建站模板源码,湛蓝 网站开发,百度seo关键词优化软件,青岛网站建设网站制作文章目录 第10讲 后端210.1 滑动窗口滤波 和 优化10.1.2 滑动窗口法 10.2 位姿图10.3 实践#xff1a; 位姿图优化本讲 CMakeLists.txt 10.3.1 g2o 原生位姿图 【Code】10.3.2 李代数上的位姿优化 【Code】 习题10题1 【没推完】 LaTex 第10讲 后端2
滑动窗口优化 位姿图优化… 文章目录 第10讲 后端210.1 滑动窗口滤波 和 优化10.1.2 滑动窗口法 10.2 位姿图10.3 实践 位姿图优化本讲 CMakeLists.txt 10.3.1 g2o 原生位姿图 【Code】10.3.2 李代数上的位姿优化 【Code】 习题10题1 【没推完】 LaTex 第10讲 后端2
滑动窗口优化 位姿图优化【简化的BA】 带IMU 紧耦合 的优化 g2o 的位姿图
第9讲 以BA为主的图优化。 BA能精确地优化每个相机位姿与特征点位置。 在大场景中大量特征点 会严重降低计算效率计算量越来越大 —— 无法实时化。 改进 简化BA 【位姿图】
10.1 滑动窗口滤波 和 优化
BA带有相机位姿和空间点的图优化。
控制 BA 规模仅保留 离当前时刻最近的 N 个关键帧。【滑动窗口法】
ORB-SLAM2 共视图(Covisibility graph) : 与现在的相机 存在共同观测的关键帧构成的图。
10.1.2 滑动窗口法 滑动窗口法 比较适合VO系统不适合大规模建图系统。
10.2 位姿图 10.3 实践 位姿图优化
本讲 CMakeLists.txt
cmake_minimum_required(VERSION 2.8)
project(pose_graph)set(CMAKE_BUILD_TYPE Release)
set(CMAKE_CXX_FLAGS -stdc17 -O2)list(APPEND CMAKE_MODULE_PATH ${PROJECT_SOURCE_DIR}/cmake_modules)# Eigen
include_directories(/usr/include/eigen3)# sophus
find_package(Sophus REQUIRED)
include_directories(${Sophus_INCLUDE_DIRS})# g2o
find_package(G2O REQUIRED)
include_directories(${G2O_INCLUDE_DIRS})add_executable(pose_graph_g2o_SE3 pose_graph_g2o_SE3.cpp)
target_link_libraries(pose_graph_g2o_SE3g2o_core g2o_stuff g2o_types_slam3d ${CHOLMOD_LIBRARIES})SET(G2O_LIBS g2o_csparse_extension g2o_stuff g2o_core cxsparse)add_executable(pose_graph_g2o_lie pose_graph_g2o_lie_algebra.cpp)
target_link_libraries(pose_graph_g2o_lie${G2O_LIBS}${CHOLMOD_LIBRARIES}${Sophus_LIBRARIES})—————————— 改动1 SE3d 和 SO3d 去掉d
改动2 CMakeLists.txt 加这一句 使满足 C17标准 最新版 g2o 需要
改动3 CMakeLists.txt 添加 csparse 相关的链接库 std::unique_ptrg2o::BlockSolverX::LinearSolverType linearSolver (new g2o::LinearSolverEigeng2o::BlockSolverX::PoseMatrixType()); // 这里直接用 前面提到的Eigen 线性方程求解库 也可以std::unique_ptrg2o::BlockSolverX solver_ptr (new g2o::BlockSolverX(std::move(linearSolver)));g2o::OptimizationAlgorithmLevenberg* solver new g2o::OptimizationAlgorithmLevenberg(std::move(solver_ptr));10.3.1 g2o 原生位姿图 【Code】
查看待优化的位姿图。注意在文件sphere.g2o所在文件夹打开命令行窗口。
g2o_viewer sphere.g2o mkdir build cd build
cmake ..
make
./pose_graph_g2o_SE3 ../sphere.g2o
g2o_viewer result.g2opose_graph_g2o_SE3.cpp
#include iostream
#include fstream
#include string#include g2o/types/slam3d/types_slam3d.h
#include g2o/core/block_solver.h
#include g2o/core/optimization_algorithm_levenberg.h
#include g2o/solvers/eigen/linear_solver_eigen.husing namespace std;/************************************************* 本程序演示如何用g2o solver进行位姿图优化* sphere.g2o是人工生成的一个Pose graph我们来优化它。* 尽管可以直接通过load函数读取整个图但我们还是自己来实现读取代码以期获得更深刻的理解* 这里使用g2o/types/slam3d/中的SE3表示位姿它实质上是四元数而非李代数.* **********************************************/int main(int argc, char **argv) {if (argc ! 2) {cout Usage: pose_graph_g2o_SE3 sphere.g2o endl;return 1;}ifstream fin(argv[1]);if (!fin) {cout file argv[1] does not exist. endl;return 1;}// 设定g2o/*typedef g2o::BlockSolverg2o::BlockSolverTraits6, 6 BlockSolverType;typedef g2o::LinearSolverEigenBlockSolverType::PoseMatrixType LinearSolverType;auto solver new g2o::OptimizationAlgorithmLevenberg(g2o::make_uniqueBlockSolverType(g2o::make_uniqueLinearSolverType()));
*/ std::unique_ptrg2o::BlockSolverX::LinearSolverType linearSolver (new g2o::LinearSolverEigeng2o::BlockSolverX::PoseMatrixType());std::unique_ptrg2o::BlockSolverX solver_ptr (new g2o::BlockSolverX(std::move(linearSolver)));g2o::OptimizationAlgorithmLevenberg* solver new g2o::OptimizationAlgorithmLevenberg(std::move(solver_ptr));g2o::SparseOptimizer optimizer; // 图模型optimizer.setAlgorithm(solver); // 设置求解器optimizer.setVerbose(true); // 打开调试输出int vertexCnt 0, edgeCnt 0; // 顶点和边的数量while (!fin.eof()) {string name;fin name;if (name VERTEX_SE3:QUAT) {// SE3 顶点g2o::VertexSE3 *v new g2o::VertexSE3();int index 0;fin index;v-setId(index);v-read(fin);optimizer.addVertex(v);vertexCnt;if (index 0)v-setFixed(true);} else if (name EDGE_SE3:QUAT) {// SE3-SE3 边g2o::EdgeSE3 *e new g2o::EdgeSE3();int idx1, idx2; // 关联的两个顶点fin idx1 idx2;e-setId(edgeCnt);e-setVertex(0, optimizer.vertices()[idx1]);e-setVertex(1, optimizer.vertices()[idx2]);e-read(fin);optimizer.addEdge(e);}if (!fin.good()) break;}cout read total vertexCnt vertices, edgeCnt edges. endl;cout optimizing ... endl;optimizer.initializeOptimization();optimizer.optimize(30);cout saving optimization results ... endl;optimizer.save(result.g2o);return 0;
}10.3.2 李代数上的位姿优化 【Code】
前端和后端 分开 跟踪和建图
报错
xixiubuntu:~/Downloads/slambook2-master/ch10/build$ ./pose_graph_g2o_lie ../sphere.g2o
Segmentation fault./pose_graph_g2o_lie ../sphere.g2o
g2o_viewer result.g2opose_graph_g2o_lie_algebra.cpp
#include iostream
#include fstream
#include string
#include Eigen/Core#include g2o/core/base_vertex.h
#include g2o/core/base_binary_edge.h
#include g2o/core/block_solver.h
#include g2o/core/optimization_algorithm_levenberg.h
#include g2o/solvers/eigen/linear_solver_eigen.h#include sophus/se3.husing namespace std;
using namespace Eigen;
using Sophus::SE3;
using Sophus::SO3;/************************************************* 本程序演示如何用g2o solver进行位姿图优化* sphere.g2o是人工生成的一个Pose graph我们来优化它。* 尽管可以直接通过load函数读取整个图但我们还是自己来实现读取代码以期获得更深刻的理解* 本节使用李代数表达位姿图节点和边的方式为自定义* **********************************************/typedef Matrixdouble, 6, 6 Matrix6d;// 给定误差求J_R^{-1}的近似
Matrix6d JRInv(const SE3 e) {Matrix6d J;J.block(0, 0, 3, 3) SO3::hat(e.so3().log());J.block(0, 3, 3, 3) SO3::hat(e.translation());J.block(3, 0, 3, 3) Matrix3d::Zero(3, 3);J.block(3, 3, 3, 3) SO3::hat(e.so3().log());// J J * 0.5 Matrix6d::Identity();J Matrix6d::Identity(); // try Identity if you wantreturn J;
}// 李代数顶点
typedef Matrixdouble, 6, 1 Vector6d;class VertexSE3LieAlgebra : public g2o::BaseVertex6, SE3 {
public:EIGEN_MAKE_ALIGNED_OPERATOR_NEWvirtual bool read(istream is) override {double data[7];for (int i 0; i 7; i)is data[i];setEstimate(SE3(Quaterniond(data[6], data[3], data[4], data[5]),Vector3d(data[0], data[1], data[2])));return true;}virtual bool write(ostream os) const override {os id() ;Quaterniond q _estimate.unit_quaternion();os _estimate.translation().transpose() ;os q.coeffs()[0] q.coeffs()[1] q.coeffs()[2] q.coeffs()[3] endl;return true;}virtual void setToOriginImpl() override {_estimate SE3();}// 左乘更新virtual void oplusImpl(const double *update) override {Vector6d upd;upd update[0], update[1], update[2], update[3], update[4], update[5];_estimate SE3::exp(upd) * _estimate;}
};// 两个李代数节点之边
class EdgeSE3LieAlgebra : public g2o::BaseBinaryEdge6, SE3, VertexSE3LieAlgebra, VertexSE3LieAlgebra {
public:EIGEN_MAKE_ALIGNED_OPERATOR_NEWvirtual bool read(istream is) override {double data[7];for (int i 0; i 7; i)is data[i];Quaterniond q(data[6], data[3], data[4], data[5]);q.normalize();setMeasurement(SE3(q, Vector3d(data[0], data[1], data[2])));for (int i 0; i information().rows() is.good(); i)for (int j i; j information().cols() is.good(); j) {is information()(i, j);if (i ! j)information()(j, i) information()(i, j);}return true;}virtual bool write(ostream os) const override {VertexSE3LieAlgebra *v1 static_castVertexSE3LieAlgebra * (_vertices[0]);VertexSE3LieAlgebra *v2 static_castVertexSE3LieAlgebra * (_vertices[1]);os v1-id() v2-id() ;SE3 m _measurement;Eigen::Quaterniond q m.unit_quaternion();os m.translation().transpose() ;os q.coeffs()[0] q.coeffs()[1] q.coeffs()[2] q.coeffs()[3] ;// information matrix for (int i 0; i information().rows(); i)for (int j i; j information().cols(); j) {os information()(i, j) ;}os endl;return true;}// 误差计算与书中推导一致virtual void computeError() override {SE3 v1 (static_castVertexSE3LieAlgebra * (_vertices[0]))-estimate();SE3 v2 (static_castVertexSE3LieAlgebra * (_vertices[1]))-estimate();_error (_measurement.inverse() * v1.inverse() * v2).log();}// 雅可比计算virtual void linearizeOplus() override {SE3 v1 (static_castVertexSE3LieAlgebra * (_vertices[0]))-estimate();SE3 v2 (static_castVertexSE3LieAlgebra * (_vertices[1]))-estimate();Matrix6d J JRInv(SE3::exp(_error));// 尝试把J近似为I_jacobianOplusXi -J * v2.inverse().Adj();_jacobianOplusXj J * v2.inverse().Adj();}
};int main(int argc, char **argv) {if (argc ! 2) {cout Usage: pose_graph_g2o_SE3_lie sphere.g2o endl;return 1;}ifstream fin(argv[1]);if (!fin) {cout file argv[1] does not exist. endl;return 1;}// 设定g2o/*typedef g2o::BlockSolverg2o::BlockSolverTraits6, 6 BlockSolverType;typedef g2o::LinearSolverEigenBlockSolverType::PoseMatrixType LinearSolverType;auto solver new g2o::OptimizationAlgorithmLevenberg(g2o::make_uniqueBlockSolverType(g2o::make_uniqueLinearSolverType()));*/std::unique_ptrg2o::BlockSolverX::LinearSolverType linearSolver (new g2o::LinearSolverEigeng2o::BlockSolverX::PoseMatrixType());std::unique_ptrg2o::BlockSolverX solver_ptr (new g2o::BlockSolverX(std::move(linearSolver)));g2o::OptimizationAlgorithmLevenberg* solver new g2o::OptimizationAlgorithmLevenberg(std::move(solver_ptr));g2o::SparseOptimizer optimizer; // 图模型optimizer.setAlgorithm(solver); // 设置求解器optimizer.setVerbose(true); // 打开调试输出int vertexCnt 0, edgeCnt 0; // 顶点和边的数量vectorVertexSE3LieAlgebra * vectices;vectorEdgeSE3LieAlgebra * edges;while (!fin.eof()) {string name;fin name;if (name VERTEX_SE3:QUAT) {// 顶点VertexSE3LieAlgebra *v new VertexSE3LieAlgebra();int index 0;fin index;v-setId(index);v-read(fin);optimizer.addVertex(v);vertexCnt;vectices.push_back(v);if (index 0)v-setFixed(true);} else if (name EDGE_SE3:QUAT) {// SE3-SE3 边EdgeSE3LieAlgebra *e new EdgeSE3LieAlgebra();int idx1, idx2; // 关联的两个顶点fin idx1 idx2;e-setId(edgeCnt);e-setVertex(0, optimizer.vertices()[idx1]);e-setVertex(1, optimizer.vertices()[idx2]);e-read(fin);optimizer.addEdge(e);edges.push_back(e);}if (!fin.good()) break;}cout read total vertexCnt vertices, edgeCnt edges. endl;cout optimizing ... endl;optimizer.initializeOptimization();optimizer.optimize(30);cout saving optimization results ... endl;// 因为用了自定义顶点且没有向g2o注册这里保存自己来实现// 伪装成 SE3 顶点和边让 g2o_viewer 可以认出ofstream fout(result_lie.g2o);for (VertexSE3LieAlgebra *v:vectices) {fout VERTEX_SE3:QUAT ;v-write(fout);}for (EdgeSE3LieAlgebra *e:edges) {fout EDGE_SE3:QUAT ;e-write(fout);}fout.close();return 0;
}
习题10 题1 【没推完】
如果将位姿图中的误差定义为 Δ ξ i j ξ i ∘ ξ j − 1 \Delta \bm{\xi}_{ij}\bm{\xi}_{i} \circ \bm{\xi}^{-1}_{j} Δξijξi∘ξj−1 推导按照此定义的左乘扰动雅克比矩阵。
本题中 位姿图的误差定义为 Δ ξ i j ξ i ∘ ξ j − 1 ln ( T i T j − 1 ) ∨ \Delta \bm{\xi}_{ij}\bm{\xi}_{i} \circ \bm{\xi}^{-1}_{j}\ln (\bm{T}_i\bm{T}_j^{-1})^{\vee} Δξijξi∘ξj−1ln(TiTj−1)∨ 和 P271 的定义区别在于 是第二个 求逆。这里是相对第 j j j 个位姿的坐标系进行位姿变化讨论 T \bm{T} T 对应的李代数为 ξ \bm{\xi} ξ 对应的李群写法为 T j i T i T j − 1 \bm{T}_{ji}\bm{T}_i\bm{T}_j^{-1} TjiTiTj−1
构建误差 e i j \bm{e}_{ij} eij
这样构建的误差理想下是0因为 ln( I ) 0 \bm{I})\bm{0} I)0。怎么感觉应该是下面这样的 e i j ln ( T j i − 1 T i T j − 1 ) ∨ \bm{e}_{ij}\ln (\bm{T}_{ji}^{-1}\bm{T}_i\bm{T}_j^{-1})^{\vee} eijln(Tji−1TiTj−1)∨ 其中 T j i T i T j − 1 \bm{T}_{ji}\bm{T}_i\bm{T}_j^{-1} TjiTiTj−1 T j i − 1 T j i T j i − 1 T i T j − 1 \bm{T}_{ji}^{-1}\bm{T}_{ji}\bm{T}_{ji}^{-1}\bm{T}_i\bm{T}_j^{-1} Tji−1TjiTji−1TiTj−1 I T j i − 1 T i T j − 1 \bm{I}\bm{T}_{ji}^{-1}\bm{T}_i\bm{T}_j^{-1} ITji−1TiTj−1 给 ξ i \bm{\xi}_i ξi 和 ξ j \bm{\xi}_j ξj 各一个左扰动 e ^ i j ln ( T j i − 1 exp ( Δ ξ i ∧ ) T i ( exp ( Δ ξ j ∧ ) T j ) − 1 ) ∨ ln ( T j i − 1 exp ( Δ ξ i ∧ ) T i T j − 1 ( exp ( Δ ξ j ∧ ) − 1 ) ∨ 由式 ( 10.7 ) ln ( T j i − 1 T i exp ( ( A d ( T i − 1 ) Δ ξ i ) ∧ ) exp ( ( − A d ( T j − 1 ) Δ ξ j ) ∧ ) T j − 1 ) ∨ l n ( T j i − 1 T i T j − 1 exp ( ( A d ( T i − 1 ) Δ ξ i ) ∧ ) exp ( ( − A d ( T j − 1 ) Δ ξ j ) ∧ ) ) ∨ l n ( exp ( e i j ) exp ( ( A d ( T i − 1 ) Δ ξ i ) ∧ ) exp ( ( − A d ( T j − 1 ) Δ ξ j ) ∧ ) ) ∨ \begin{align*}\bm{\hat{e}}_{ij} \ln (\bm{T}_{ji}^{-1}\exp(\Delta \bm{\xi}_i^{\land})\bm{T}_i(\exp(\Delta \bm{\xi}_j^{\land})\bm{T}_j)^{-1})^{\vee} \\ \ln (\bm{T}_{ji}^{-1}\exp(\Delta \bm{\xi}_i^{\land})\bm{T}_i\bm{T}_j^{-1}(\exp(\Delta \bm{\xi}_j^{\land})^{-1})^{\vee} \\ 由 式 (10.7) \\ \ln (\bm{T}_{ji}^{-1}\bm{T}_i\exp((\mathrm{Ad}(\bm{T}_i^{-1})\Delta \bm{\xi}_i)^{\land})\exp((\mathrm{-Ad}(\bm{T}_j^{-1})\Delta \bm{\xi}_j)^{\land})\bm{T}_j^{-1})^{\vee} \\ \mathrm{ln}(\bm{T}_{ji}^{-1}\bm{T}_i\bm{T}_j^{-1}\exp((\mathrm{Ad}(\bm{T}_i^{-1})\Delta \bm{\xi}_i)^{\land})\exp((\mathrm{-Ad}(\bm{T}_j^{-1})\Delta \bm{\xi}_j)^{\land}))^{\vee} \\ \mathrm{ln}(\exp(\bm{e}_{ij})\exp((\mathrm{Ad}(\bm{T}_i^{-1})\Delta \bm{\xi}_i)^{\land})\exp((\mathrm{-Ad}(\bm{T}_j^{-1})\Delta \bm{\xi}_j)^{\land}))^{\vee} \\ \end{align*} e^ijln(Tji−1exp(Δξi∧)Ti(exp(Δξj∧)Tj)−1)∨ln(Tji−1exp(Δξi∧)TiTj−1(exp(Δξj∧)−1)∨由式(10.7)ln(Tji−1Tiexp((Ad(Ti−1)Δξi)∧)exp((−Ad(Tj−1)Δξj)∧)Tj−1)∨ln(Tji−1TiTj−1exp((Ad(Ti−1)Δξi)∧)exp((−Ad(Tj−1)Δξj)∧))∨ln(exp(eij)exp((Ad(Ti−1)Δξi)∧)exp((−Ad(Tj−1)Δξj)∧))∨ 由公式 对于 T i \bm{T}_i Ti l n ( exp ( e i j ) exp ( ( A d ( T i − 1 ) Δ ξ i ) ∧ ) exp ( ( − A d ( T j − 1 ) Δ ξ j ) ∧ ) ) ∨ ≈ \mathrm{ln}(\exp(\bm{e}_{ij})\exp((\mathrm{Ad}(\bm{T}_i^{-1})\Delta \bm{\xi}_i)^{\land})\exp((\mathrm{-Ad}(\bm{T}_j^{-1})\Delta \bm{\xi}_j)^{\land}))^{\vee} \approx ln(exp(eij)exp((Ad(Ti−1)Δξi)∧)exp((−Ad(Tj−1)Δξj)∧))∨≈
LaTex
$\circ$∘ \circ ∘
