.png){kind=icon}
返回
Efficient Incremental SLAM via Information-Guided Gating and Selective Partial Optimization
.png){kind=icon}
OA
AI
DOI：10.3390/robotics15050087.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种高效的增量SLAM后端，在基准位姿图数据集上减少了计算量，同时保持了接近完整增量高斯-牛顿（GN）求解器的精度。该方法结合了信息引导门控（IGG），利用基于对数行列式的信息替代量来决定何时需要进行广域更新，以及选择性部分优化（SPO），将多迭代GN更新限制在每次迭代后仍受影响的变量上。我们进行了局部扰动分析，表明在标准正则性条件下，所提出的近似方法在阈值控制邻域内追踪完整GN，并在有效近似误差渐近消失时恢复相同的局部最小值和渐近收敛率。在基准位姿图SLAM数据集上的实验表明，该方法在最终和增量平均精度上具有竞争力，同时在更新和求解浮点运算次数（FLOPs）上显著减少。这些结果支持IGG-SPO作为在有限车载计算资源下运行的机器人的实用且具有前景的SLAM后端。
Keyword:
simultaneous localization and mapping (SLAM)
graph SLAM
incremental SLAM
pose graph optimization
nonlinear least-squares
computational efficiency
real-time robotics
selective partial optimization
information-guided gating
loop closure
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
454
被引数:
3.3K
机构
引用论文
.png){kind=icon}
Square root SAM: Simultaneous localization and mapping via square root information smoothing平方根SAM: 通过平方根信息平滑同时定位和映射OAAI
OAAI分享收藏
查看更多内容