优化

使用相对姿势约束优化绝对姿势

页面上倒塌

句法

vsetoptim =优化邮件（vset）

vsetoptim =优化邮件（vset，name，值）

描述

例子

vsetoptim.= optimizePoses (vset.）返回一个Point Cloud View集，其绝对姿势已优化。vsetoptim.和vset.是PCViewSet.对象。

这优化函数对对象的绝对位姿进行位姿图优化意见在使用由建立的相对姿势约束设置的视图中连接财产。您可以使用优化在检测回路闭合后纠正里程计中的漂移。

vsetoptim.= optimizePoses (vset.那名称，价值）使用一个或多个名称-值对参数指定选项。例如,“宽容”那0．2设置优化成本函数的容差为0．2。

例子

全部收缩

使用点云视图集创建和优化姿势

打开生活的脚本

创建一个视图集。

vset = pcviewset;

添加四个节点并指定绝对姿势。

assposs = redelem（rigid3d，4,1）;assposs（1）.translation = [0 0 0];assposs（2）.translation = [1 0 0];assposs（3）.translation = [2 0 0];assposs（4）.translation = [0.1 0 0];vset = addview（vset，1，assposse（1））;vset = addview（vset，2，assposs（2））;vset = addview（vset，3，assposs（3））;vset = addview（vset，4，assposs（4））;

定义4条边，3个里程计和1个闭环。

RELPASE = REBELEM（RIGID3D，4,1）;relpase（1）.translation = [1 0 0];relpase（2）.translation = [1 0 0];relpase（3）.translation = [-1.9 0 0];relpase（4）.translation = [0.2 0 0];vset = addConnection（vset，1,2，relpose（1））;％odometry.vSet = addConnection(vSet, 2, 3, relPoses(2));％odometry.vset = addConnection（vset，3,4，relpase（3））;％odometry.vset = addConnection（vset，4,1，relpose（4））;%循环关闭

优化视图集。

vsetoptim =优化邮件（vset）;

显示原始和优化的位置。

disp ('原始绝对翻译：'）

原始绝对翻译:

DISP（VertCAT（vset.views.absolutepose.Ranslation））

0 0 0 1.0000 0 0 2.0000 0 0 0.1000 0 0

disp ('优化的绝对翻译：'）

优化绝对翻译:

DISP（VertCAT（vsetoptim.views.absolutepose.ranslation））

00 00 1.8500 00 -0.1250 00

输入参数

全部收缩

`vset.`-点云视图集
`PCViewSet.`目的

点云视图集，指定为PCViewSet.对象。

名称 - 值参数

指定可选的逗号分离对名称，价值参数。姓名是参数名称和价值为对应值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子：'最大'，300设置最大迭代次数300。

`最大`-最大迭代次数
`300`（默认）|正整数

函数终止优化之前的最大迭代次数，指定为逗号分隔对组成'maxtations'和一个正整数。在结果中增加此值以提高准确性。减少此值以获得更快的结果。

`宽容`-优化成本函数的公差
`1E-8`（默认）|正标量

优化代价函数在连续两次迭代之间的容差，指定为逗号分隔的对，由宽容'和一个正标量。如果成本函数更改小于“宽容'两个连续迭代之间的值，函数终止优化。

`verb`-显示进度信息
`错误的`或`0.`（默认）|`真正的`或`1`

显示进度信息，指定为逗号分隔的对组成verb和一个数字或逻辑0.（错误的）或者1（真正的）。显示进度信息，设置'verb' 到真正的。

输出参数

全部收缩

`vsetoptim.`- 优化绝对姿势
`PCViewSet.`目的

点云视图集包含优化的绝对姿势，指定为aPCViewSet.对象。

提示

要更新具有优化姿势的视图集，请使用更新对象功能。
这优化对象函数保持固定的第一个视图。

算法

这优化功能采用Levenberg-Marquardt优化算法与普通（超级）图优化（G2O）库中的稀疏Cholesky分解算法，[1]．

参考文献

[1]Kümmerle，Rainer，Giorgio Grisetti，Hauke Strasdat，Kurt Konolige和Wolfram Burgard。“G2O：图优化的一般框架。”在中国机械工程，2011,27(11):2424 - 2424。https://doi.org/10.1109/ICRA.2011.5979949。