基于滤波的SLAM和基于优化的SLAM各有什么优缺点啊
回复(6) 2018-11-22 15:49 来自版块 - SLAM技术交流
表情
KKFlag补充一个想法,滤波的方法通常认为量测误差满足高斯零均值假设,但实际上很多量测并不满足,而是有很强的非线性,所以滤波的方法在上一时刻的状态上进行线性化展开一阶近似; 而在优化的方法中,在迭代最小化残差计算jacobian矩阵的过程中,每次迭代都会更新性化展开点,从而尽可能降低线性化...(2018-12-01 18:34)
xiaoC我也讲一下我自己的理解吧: 1. 基于滤波的方法主要包含了一阶马尔可夫假设,也就是说当前时刻的状态只与前一时刻的状态有关,与再之前的全部无关。这里就可以看出来问题,第一,计算量可能会降低;第二,前一时刻存在的误差漂移会累积到当前时刻。 2. 而基于优化的方法时,采用关键帧的形式,...(2018-11-27 15:34)
GaneChean 谢谢(2018-11-24 14:28)
GaneChean 谢谢(2018-11-24 14:27)
wuRDmomery发表一下拙见。 滤波的话,比如kalman,知道上一时刻的状态,这一时刻的输入和这一时刻的测量,就能估计出来这一时刻的状态了,其有一个很标准的迭代步骤,其思想是根据协方差来选择性的相信量测或者预测出的状态;对比优化,优化的目的其实是为了减小损失函数,主要利用残差和jacobian...(2018-11-23 10:34)
OptSolution这个说起来的话方面比较多了把,比如滤波器计算量小,但是优化可以消除长时间的偏差。目前大家都在用优化的方面主要还是优化的方法以前是计算量大,但是现在证明了稀疏性之后计算量的问题很大程度上解决了,而且长时间的运行还是需要优化技术的吧。 给你一篇论文自己参考吧 https://ww...(2018-11-22 16:13)

返回顶部