北京网站制作设计推广公司,威海市建设工程协会网站,大型网站多少钱,建站公司哪个好整体框架#xff1a; is-a#xff1a;相当于一个等号
has-a#xff1a;表示包含一个#xff0c;这个包含的属于必备的组件
has-many#xff1a;和has-a差不多#xff0c;至少要有一个 先从第4步SparseOptimizer这个类开始看(顺序4-3-2-1)#xff0c;它需要…整体框架 is-a相当于一个等号
has-a表示包含一个这个包含的属于必备的组件
has-many和has-a差不多至少要有一个 先从第4步SparseOptimizer这个类开始看(顺序4-3-2-1)它需要一个优化器OptimazationAlgorithm优化器需要优化算法支撑g2o中提供了三种优化算法可供选择Gauss-Newton高斯牛顿法简称GN、Levernberg-Marquardt简称LM法、Powell’s DogLeg。而优化算法OptimazationWithHessian需要求解器(Solver)同样的可以有多种求解器来选择Solver是由一个BlockSolver组成的。这个BlockSolver有两个部分一个是SparseBlockMatrix用于计算稀疏的雅可比和Hessian矩阵一个是线性方程的求解器LinearSolver它用于计算迭代过程中最关键的一步HΔx−bLinearSolver有几种方法可以选择PCG, CSparse, Choldmod。 再回到第4步(顺序4-5)类似的可以看到SparseOptimizer就是一个超图(HyperGraph)它由多个边和多个顶点组成。 关于图优化和g2o库 所谓的图优化就是把一个常规的优化问题以图(Graph)的形式来表述。图优化适用于无约束优化问题并且保证该优化的目标函数的海森矩阵存在且是稀疏的。 g2o是一个优秀的图优化求解库数据接收主要包括三种数据类型 第一种是边第二种是顶点(vertex)第三种是求解器。 在使用g2o库的过程中通常首先是定义优化器包括三个过程 第一步定义一个稀疏线性方程求解器如CGCSparseCholmod等用于计算雅克比和海森矩阵的解析形式。 第二步定义所使用的优化算法通常为GN或LM算法。 第三步定义优化器。之后定义图的顶点和边将其加入优化器最终求解得到优化结果。 顶点和边 g2o中对于优化问题都统统抽象成边和节点 顶点待优化的变量 边顶点之间的变换关系常用误差表示 文件结构 举个曲线拟合 以上就是一个最简单的SparseOptimizer对象的构造方法有了这个优化器然后再添加边和顶点 下面两张图就定义完成了曲线拟合任务优化的顶点和边 然后就需要将顶点和边添加到优化器中 最终使得红色线能够以最小的误差跟踪样本中的点。以上就是一个完整的g2o优化方法的使用流程。 鲁棒核函数g2o中提供了鲁棒核函数来抑制某些误差特别大的点避免拉偏整个优化结果。(鲁棒核函数不是g2o独有的这是非线性优化方法中的一种常用手段) 信息矩阵现在来考虑另一种情况比方说在一次优化中对于某一次测量我们有十足的把握它非常的准确所以优化时我们希望对于这次测量给予更高的权重。 如上图假设认为右上角那个异常点是一个比较正确的点希望拟合的曲线尽量往这个点偏移。那么就这可以设置这次测量边的权重更大。代码如下 e-setInformation(Eigen::Matrixdouble, 1, 1::Identity() * 10); 因为测量值的维度为1所以信息矩阵也为1。如果我们把每一条边的信息矩阵都设置为一样那么在优化时将认为所有边的优化权重是一样的将不会对某一条边执行过多的优化对于那个异常点设置权重为别的点的10倍则曲线会往右上角那个点靠。最终的结果如下图 一般情况下信息矩阵和鲁棒核函数都会一起使用
引用非线性优化库g2o使用教程探索一些常见的用法以及信息矩阵、鲁棒核函数对于优化的结果的影响_一点儿也不萌的萌萌的博客-CSDN博客_g2o教程
