記事のディレクトリ
核融合に基づいてVIOバンドル調整
視覚的なSLAMでバンドル調整の問題
既知：
- 初期状態値は、オドメーター粗い位置に応じて、ロボットの特徴の位置の位置を算出します。例えば：Q = [0.96、0、0、0.25]、P = [1、2、0]、F = [2,4、0]。
- 観察：特徴Z = [100、0]の観測画像画素座標。
目的関数：
すべての観測の残留ピクセルを最小限にするために：
こちら
最初の局所特徴点座標に変換してローカル座標に画素座標を変換することで2つの段階プロセスの第二ステップです。
カメラは、ローカル座標系：フロントZ、右のX、Y、二次元で、yは0であるがありました。
最小二乗問題解決
テイラー展開について理解する：式ある程度により複雑な関数（概算）を表すためにテイラー展開を。一般的に、テイラー展開は、2つの方法で得られます。
- これは、複雑な式が知られており、複雑な式は、一次導関数及び二次導関数によって直接得られる、ターンオンされてもよいです。
- ときに複雑な式が知らない、またはサンプリングポイントを介してテイラー展開を打つためにどのサンプリングすることにより、鉛することはできません。
自動操縦では、車線を記述するための一般的な三次曲線は、それが実際に現実の生活、3車線テイラー展開の複合体です。車両座標系は、実際に点を配置しています。
メモリテイラー展開の比較的簡単な方法で線形に使用される用語、零点の場合には、それぞれ、使用される二次放物線を説明します。
線形問題約実行可能解の全範囲を説明することができるテイラー展開と、問題が線形である場合は、直接最小二乗解一度。
ヘッセ行列Hの性質：一次導関数は0です。
- 明確H場合、固有値は、0より大きい一次導関数モノサイトゲネス最小値。
- 負明確H場合、固有値は、ゼロ未満である単一ダウンの一次導関数、最大値。
- H不確かな場合は、両方の正と負の固有値、不確実性、サドルポイントがあります。
反復降下法
マインド降下法は方向を見つけ、その後のステップを決定することです。ポジティブとして階段は、一次元の問題に還元場合、すなわち、それは方向階下スーパー方向（-X-）に低下し、その後決定されるステップサイズを決定するために、ライン探索を使用してのことをいいます。
最急降下法
勾配の負の方向が最速減少します。これは接線方向です。最後に簡単にショック。スタートのために
と
を理解することができます。
ニュートン法
第二に最高の、最も安定したが、遅いの最後の数ステップのため。
式の場合：ニュートン法は、本質的には、中学校、二次方程式の根を学ぶことです
値の中で最もです、
どの
、明らかに、このソリューションは、必ずしも最小値を求めることができるようにする必要はありません、すぐ近くに最適な値にのみに適用されます。
ダンピング法
規制のサイズの二次増加に減衰係数を大きくします。
ガウス・ニュートン
Gauss-Newton法は、本質的に関数Fは、すなわち、二次形式を表すことです 。そして、ニュートン法を過ごす、それは本当に簡単なガウス・ニュートン、となります。
LM
減衰係数を動的に調整、それはスチュアート・レヴァインボージェマアルゴリズムを誇っています。
堅牢なカーネル
VIOビルド残留機能
システムは、状態の量を最適化する必要があります
逆の深さに基づいてVIOの再投影誤差
IMUの測定点
IMU事前統合
残留ヤコビアン導出
