基于优化列文伯格-马夸尔特法的SLAM图优化

• 作者: 戴天虹 李志成
• 来源期刊: 哈尔滨理工大学学报
• 关键词: BA非线性优化 列文伯格-马夸尔特法下降策略 信赖区域
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 68-74
• 页数: 7页
• 分类号: TP242
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.02.009

摘要

针对目前的视觉SLAM技术中存在的非线性优化方法过程复杂、优化速度慢、优化精度低等缺点,在广泛应用的BA非线性优化方法的框架基础之上,对其核心下降策略列文伯格-马夸尔特法进行优化,以便改善传统的列文伯格-马夸尔特法在BA非线性优化中的不足之处.首先,初始化待优化点处的信赖区域半径;其次,拟定一个扩大倍数,并设定阈值;最后,通过拟定的近似范围限定每次迭代的信赖区间,以达到非线性优化的目的.通过设置对比实验和分析实验的仿真结果,可以得出经过优化后的列文伯格-马夸尔特法下降策略能够加快优化速度,具有优化建图的效果.