平面位姿图全局离群值剔除的解耦线性框架
机器人学
2023-03-21 v2 最优化与控制
摘要
我们提出一种鲁棒框架，用于受回环闭合离群值污染的平面位姿图优化。我们的框架首先将被截断最小二乘核包裹的鲁棒 PGO 问题解耦为两个子问题，从而剔除离群值。随后，该框架引入线性角度表示，以重写最初用旋转矩阵表述的第一个子问题。该框架配置 Graduated Non-Convexity（GNC）算法，无需初值依次求解两个非凸子问题。得益于两个子问题的线性性质，我们的框架仅需线性求解器即可最优求解 GNC 中遇到的优化问题。我们在平面 PGO 基准上广泛验证了所提框架，命名为 DEGNC-LAF（带线性角度公式的解耦 Graduated Non-Convexity）。结果表明，其运行速度显著（有时超过 30 倍）快于标准通用 GNC，同时获得高质量估计。
引用
@article{arxiv.2209.08543,
title = {A Decoupled and Linear Framework for Global Outlier Rejection over Planar Pose Graph},
author = {Tianyue Wu and Fei Gao},
journal= {arXiv preprint arXiv:2209.08543},
year = {2023}
}
备注
7 pages, 4 figures. To appear in ICRA 2023