[1]知行合一2 SLAM中的marginalization 和 Schur complement SLAM的Bundle Adjustment上,随着时间的推移,路标特征点(landmark)和相机的位姿pose越来越多,BA的计算量随着变量的增加而增加,即使BA的H矩阵是稀疏的,也吃不消 ...
接上一篇博客 直接法光度误差导数推导 ,DSO 代码中 CoarseInitializer::trackFrame 目的是优化两帧 ref frame 和 new frame 之间的相对状态和 ref frame 中所有点的逆深度。 在代码中出现了变量Hsc和变量bsc,其中的 sc 是指 Schur Complement。依据这个事实就能够确定整个优化过程的所有细节。 一下假设 ref fram ...
2018-01-16 15:52 0 2149 推荐指数:
[1]知行合一2 SLAM中的marginalization 和 Schur complement SLAM的Bundle Adjustment上,随着时间的推移,路标特征点(landmark)和相机的位姿pose越来越多,BA的计算量随着变量的增加而增加,即使BA的H矩阵是稀疏的,也吃不消 ...
标准Standard DSO 标准DSO有三张表: 标准DSO覆盖合计规则: 数据从源抽取到标准DSO中时,在同一抽取请求中,相同业务主键的数据会合并(合并的方式有覆盖与合计,合计又可为MIN、MAX ...
4 Schur Complement 部分信息计算 参考《DSO windowed optimization 公式》,Schur Complement 部分指 Hsc(\(H_{X\rho} H_{\rho\rho}^{-1} H_{\rho X}\))和 bsc(\(H_{X\rho} H_ ...
这里不想解释怎么 marginalize,什么是 First-Estimates Jacobian (FEJ)。这里只看看代码,看看Hessian矩阵是怎么构造出来的。 1 优化流程 整个优化过程,也是 Levenberg–Marquardt 的优化过程,这个优化过程在函数 ...
3 非 Schur Complement 部分信息计算 参考《DSO windowed optimization 公式》,非Schur Complement 部分指 \(H_{XX}\) 和 \(J^T_{X}r\)。 3.1 AccumulatedTopHessianSSE ...
从数据流的角度讲一遍 DSO 代码框架。 DSO 的入口是 FullSystem::addActiveFrame,输入的影像生成 FrameHessian 和 FrameShell 的 Object,FrameShell 是 FrameHessian 的成员变量,FrameHessian 保存 ...
5 “step”计算 参考《DSO windowed optimization 公式》,计算各个优化变量的增加量。 公式再写一下: \[\begin{align} \begin{bmatrix} H_{\rho\rho} & H_{\rho X} \\ H_{X\rho ...