teb2013年的一篇文章
摘要:
teb的最优轨迹问题,可以转换为多变量的非线性最优化问题。大多数的变量成员都与一小部分周围的变量产生联系。进而构成稀疏结构的H矩阵。文章主要就是描述,怎么用g2o来求解teb的优化问题。
g2o在VSLAM和SBA中已经广泛应用。
g2o优化第一步首先构建图模型:
图模型是由节点和边组成:
其中teb所有的节点:
边构成节点之间的约束。用f(x)表示。
最终生成的图的样子:
最终的转换为如下公式:
非线性最小二次优化问题:
2024-03-05 21:36:55
teb2013年的一篇文章
摘要:
teb的最优轨迹问题,可以转换为多变量的非线性最优化问题。大多数的变量成员都与一小部分周围的变量产生联系。进而构成稀疏结构的H矩阵。文章主要就是描述,怎么用g2o来求解teb的优化问题。
g2o在VSLAM和SBA中已经广泛应用。
g2o优化第一步首先构建图模型:
图模型是由节点和边组成:
其中teb所有的节点:
边构成节点之间的约束。用f(x)表示。
最终生成的图的样子:
最终的转换为如下公式:
非线性最小二次优化问题: