用于位姿图优化的高效渐进非凸方法
机器人学
2023-10-11 v1
摘要
我们提出一种新颖的渐进非凸（GNC）方法，并通过其在鲁棒位姿图优化中的应用展示其有效性，而位姿图优化是 SLAM 后端的关键组成部分。传统 GNC 方法通常依赖启发式方法制定 GNC 调度，更新控制参数 {\mu} 以提升非凸性。相比之下，我们的方法利用凸函数与凸优化的性质来识别超出后不再保证凸性的边界点，从而消除现有方法中的冗余优化步骤，提升速度与鲁棒性。我们表明，当用于通过 GNC 进行鲁棒后端位姿图优化时，我们的方法在速度与精度上均优于最先进的方法。我们的工作基于并增强了开源 riSAM 框架。我们的实现可从以下地址获取：https://github.com/SNU-DLLAB/EGNC-PGO
引用
@article{arxiv.2310.06765,
title = {Efficient Graduated Non-Convexity for Pose Graph Optimization},
author = {Wonseok Kang and Jaehyun Kim and Jiseong Chung and Seungwon Choi and Tae-wan Kim},
journal= {arXiv preprint arXiv:2310.06765},
year = {2023}
}
备注
6 pages, 6 figures