基于雅克比域零空间边缘化的视觉SLAM

摘要：

为降低系统求解大规模线性方程时的计算资源占用率、提高系统运行速度,现有基于非线性优化的视觉SLAM框架大多利用增量方程中海森矩阵稀疏性与边缘化策略对问题进行降阶.然而,这些方法仍须占用大量内存以显式构建超高维度的海森矩阵,且由于该方法对数值变化的敏感性,在实际部署时常依赖双精度浮点数进行求解以降低数值误差,限制了其在低算力平台中的应用.为解决这一问题,本文提出基于雅克比域零空间边缘化的视觉SLAM方法,该方法在后端优化模块中将路标雅克比矩阵投影至其左零空间,在避免构建海森矩阵前提下达到降阶效果,提升求解效率,并在代数上证明两种边缘化方法的等价性.从数值分析角度证明本文提出的边缘化方法具备更好的数值稳定性,可支持单精度浮点数求解,进一步提升效率.公开数据集和实车试验表明本文方法相较于基于舒尔消元边缘化的通用优化器具备更好的求解速度和精度.

关键词：自动驾驶、视觉SLAM、光束法平差、边缘化

所属期刊栏目：45

分类号：TP391.72;TP242;U491

资助基金：国家自然科学基金;国家自然科学基金;长沙市自然科学基金项目;汽车车身先进设计制造国家重点实验室开放课题

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1457-1467