NF-iSAM：基于归一化流的增量平滑与建图
机器人学
2021-05-12 v1
摘要
本文提出一种新颖的非高斯推断算法——归一化流 iSAM（NF-iSAM），用于求解具有非高斯因子和/或非线性的测量模型的 SLAM 问题。NF-iSAM 利用神经网络的表达能力，训练归一化流以从非高斯因子图的联合后验中采样。通过借助 Bayes 树，NF-iSAM 能够利用 SLAM 的稀疏结构，从而在更具挑战性的非高斯设定下实现类似于 iSAM2 的高效增量更新。我们在合成与真实仅测距 SLAM 数据集中展示了 NF-iSAM 的性能，并与 iSAM2（高斯）和 mm-iSAM（非高斯）等最先进算法进行比较。
引用
@article{arxiv.2105.05045,
title = {NF-iSAM: Incremental Smoothing and Mapping via Normalizing Flows},
author = {Qiangqiang Huang and Can Pu and Dehann Fourie and Kasra Khosoussi and Jonathan P. How and John J. Leonard},
journal= {arXiv preprint arXiv:2105.05045},
year = {2021}
}
备注
8 pages, 6 figures, to be published in IEEE International Conference on Robotics and Automation (ICRA) 2021