基于优化列文伯格-马夸尔特法的SLAM图优化

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.

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

所属期刊栏目：26

分类号：TP242(自动化技术及设备)

资助基金：中央高校基本科研业务费专项;黑龙江省自然科学基金;创新人才计划

在线出版日期：2021-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74