×

二维点特征SLAM中两种不同目标函数的比较。 (英语) Zbl 1406.93386号

摘要:本文比较了二维点特征同时定位与映射(SLAM)中两种不同的目标函数。结果表明,目标函数对SLAM中使用的迭代优化技术的收敛性有显著影响。当里程计定向部分的误差项采用Frobenius范数时,与以角度差作为误差项相比,SLAM问题具有更好的收敛性。对于一步情形,我们证明了SLAM问题存在且只有一个极小值,且强对偶性始终成立。对于两步情况,强对偶总是成立的,除非三个非常特殊的条件同时成立(概率为零),因此在大多数情况下,原始SLAM问题的全局最优解可以通过求解相应的拉格朗日对偶问题来获得。此外,对于任意m步长的情况,我们还通过示例表明,可以获得更好的收敛结果。通过仿真实例验证了两种不同目标函数的不同收敛性。

MSC公司:

93E20型 最优随机控制
90C26型 非凸规划,全局优化
93E24型 随机控制系统的最小二乘法及其相关方法
49甲15 对偶理论(优化)
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] 卡德纳,C。;卡隆,L。;卡里略,H。;拉蒂夫,Y。;斯卡拉穆扎,D。;Neira,J.,《同步定位和绘图的过去、现在和未来:迈向鲁棒感知时代》,IEEE机器人学报,32,6,1309-1332(2016)
[2] Carlone,L.(2013)。基于gauss-newton方法的位姿图优化的收敛性分析。IEEE机器人和自动化国际会议记录; Carlone,L.(2013年)。基于gauss-newton方法的位姿图优化的收敛性分析。IEEE机器人和自动化国际会议记录
[3] 卡隆,L。;Aragues,R。;Castellanos,J.A。;Bona,B.,平面位姿图优化的快速准确近似,国际机器人研究杂志,33,7,965-987(2014)
[4] 卡隆,L。;Calafiore,G。;托莫利洛,C。;Dellaert,F.,《平面位姿图优化:对偶性、最优解和验证》,IEEE机器人学报,32,3,545-565(2016)
[5] Carlone,L.和Dellaert,F.(2015)。基于双重性的2d slam验证技术。程序。IEEE int.conf.机器人。自动。; Carlone,L.和Dellaert,F.(2015)。基于对偶的二维slam验证技术。程序。IEEE int.conf.机器人。自动。
[6] Carlone,L.、Tron,R.、Danilidis,K.和Dellaert,F.(2015)。三维slam的初始化技术:旋转估计及其在姿势图优化中的应用综述。程序。IEEE int.conf.机器人。自动。; Carlone,L.、Tron,R.、Danilidis,K.和Dellaert,F.(2015)。三维slam的初始化技术:旋转估计及其在姿势图优化中的应用综述。程序。IEEE int.conf.机器人。自动。
[7] Dellaert,F。;Kaess,M.,《平方根SAM:通过平方根信息平滑同时定位和映射》,国际机器人研究杂志,25,1211181-1204(2006)·Zbl 1202.93086号
[8] Gallier,J.(2010)。schur补码和对称半正定(和正定)矩阵,在线提供:http://www.cis.upenn.edu/jean/schur-comp.pdf;Gallier,J.(2010)。schur补码和对称半正定(和正定)矩阵,在线提供:http://www.cis.upenn.edu/jean/schur-comp.pdf牛仔裤
[9] 格里塞蒂,G。;斯塔奇尼斯,C。;Burgard,W.,用于有效地图学习的非线性约束网络优化,IEEE智能交通系统汇刊,10,3,428-439(2009)
[10] Grisetti,G.、Stachniss,C.、Grzonka,S.和Burgard,W.(2007年)。使用梯度下降有效计算最大似然图的树参数化。机器人学学报:科学与系统; Grisetti,G.、Stachniss,C.、Grzonka,S.和Burgard,W.(2007年)。使用梯度下降有效计算最大似然图的树参数化。机器人学:科学与系统·Zbl 1330.93163号
[11] Gutmann,J.S.和Konolige,K.(1999)。大型循环环境的增量映射。程序。IEEE国际标准。计算。英特尔。机器人。自动。; Gutmann,J.S.和Konolige,K.(1999)。大型循环环境的增量映射。程序。IEEE国际标准。计算。英特尔。机器人。自动。
[12] 哈特利,R。;特朗普夫,J。;戴,Y。;Li,H.,旋转平均,国际计算机视觉杂志,103,3,267-305(2013)·Zbl 1270.68346号
[13] Huang,S.、Lai,Y.、Frese,U.和Dissanayake,G.(2010)。slam离线性最小二乘问题有多远?IEEE/RSJ智能机器人和系统国际会议; Huang,S.、Lai,Y.、Frese,U.和Dissanayake,G.(2010)。slam距离线性最小二乘问题有多远?IEEE/RSJ智能机器人和系统国际会议
[14] 凯斯,M。;Johannsson,H。;罗伯茨,R。;伊拉,V。;Leonard,J。;Dellaert,F.,isam2:使用贝叶斯树的增量平滑和映射,《国际机器人研究杂志》,31,217-236(2012)
[15] Khosoussi,K.、Huang,S.和Dissanayake,G.(2015)。开发slam的可分离结构。2015年机器人科学与系统会议; Khosoussi,K.、Huang,S.和Dissanayake,G.(2015)。开发slam的可分离结构。2015年机器人科学与系统会议
[16] Kurlbaum,J.和Frese,U.(2009年)。数据关联的基准数据集,技术报告017-02/2009,SFB TR/8。;Kurlbaum,J.和Frese,U.(2009年)。数据关联的基准数据集,技术报告017-02/2009,SFB TR/8。
[17] Liu,M.、Huang,S.、Dissanayake,G.和Wang,H.(2012)。一种基于凸优化的姿态SLAM问题方法。程序。IEEE/RSJ国际标准。机器人系统。; Liu,M.、Huang,S.、Dissanayake,G.和Wang,H.(2012)。一种基于凸优化的姿态SLAM问题方法。程序。IEEE/RSJ内部配置集成。机器人系统。
[18] 卢·F。;Milios,E.,《用于环境测绘的全球一致范围扫描对准》,《自主机器人》,4,4,333-349(1997)
[19] Olson,E.、Leonard,J.J.和Teller,S.(2006年)。初始估计较差的位姿图的快速迭代优化。IEEE机器人和自动化国际会议; Olson,E.、Leonard,J.J.和Teller,S.(2006年)。初始估计较差的位姿图的快速迭代优化。IEEE机器人和自动化国际会议
[20] Rosen,D.、Carlone,L.、Bandeira,A.和Leonard,J.(2016)。Se-sync:在特殊欧几里德群上进行同步的一种可证明正确的算法。机器人算法基础研讨会; Rosen,D.、Carlone,L.、Bandeira,A.和Leonard,J.(2016)。Se-sync:在特殊欧几里德群上进行同步的一种可证明正确的算法。机器人算法基础研讨会
[21] Rosen,D.M.、DuHadway,C.和Leonard,J.J.(2015)。同时定位和映射中近似全局优化的凸松弛法。程序。IEEE int.conf.机器人。自动。; Rosen,D.M.、DuHadway,C.和Leonard,J.J.(2015)。同时定位和映射中近似全局优化的凸松弛法。程序。IEEE int.conf.机器人。自动。
[22] 特隆,S。;Montemerlo,M.,《graphslam算法在城市结构大规模制图中的应用》,《国际机器人研究杂志》,25,5-6,403-429(2006)
[23] Wang,H.、Hu,G.、Huang,S.和Dissanayake,G.(2012)。关于位姿图slam中非线性的结构。2012年机器人科学与系统会议; Wang,H.、Hu,G.、Huang,S.和Dissanayake,G.(2012)。关于位姿图slam中非线性的结构。2012年机器人科学与系统会议
[24] Wang,H。;黄,S。;弗雷斯,美国。;Dissanayake,G.,具有球形协方差矩阵的点特征slam问题的非线性结构,Automatica,49,10,3112-3119(2013)·Zbl 1358.93192号
[25] Wang,H。;黄,S。;Khosoussi,K。;弗雷斯,美国。;Dissanayake,G。;Liu,B.,球面协方差矩阵点特征slam问题的降维,Automatica,51,1,149-157(2015)·Zbl 1309.93191号
[26] Zhao,L.、Huang,S.D.和Dissanayake,G.(2013)。线性slam:基于子映射连接的基于特征和姿势图slam的线性解决方案。IEEE/RSJ智能机器人与系统国际会议; Zhao,L.、Huang,S.D.和Dissanayake,G.(2013)。线性slam:基于子映射连接的基于特征和姿势图slam的线性解决方案。IEEE/RSJ智能机器人和系统国际会议
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。