利用先验点图模型的SLAM后端优化算法
目前基于因子图的后端优化算法具有优越性.在因子图中,节点代表姿态,节点之间的边代表里程信息和封闭循环约束.由于因子图并未描述每个节点精度的差异,导致整体定位精度仍有提高的空间.针对这个问题,提出了一种基于先验点图模型的后端优化算法,依据前端提供节点精度的差异,在因子图中引入高精度点,然后采用改进的Levenberg算法进行全局优化,从而实现在结合原有概率约束的基础上,利用少量高精度点牵引其他点向真实值靠近,完成更为精准的自身定位.并在公开数据集上进行了实验,结果证明,本文提出的算法增强了前后端的关联,提高了定位精度.
图优化、机器人、同时定位与地图构建、后端优化算法
39
P237.3(摄影测量学与测绘遥感)
2014-07-15(万方平台首次上网日期,不代表论文的发表时间)
745-749