【SLAM】开源 | 香港科技大学--随机束调整算法，在LM迭代中近似地分解RCS，提高效率和可扩展性！

获取完整原文，公众号回复：2008.00446

论文地址：http://arxiv.org/pdf/2008.00446v1.pdf

代码： https://github.com/zlthinker/stba.

来源： 香港科技大学，珠峰创新技术

论文名称：Stochastic Bundle Adjustment for Efficient and Scalable 3D Reconstruction

原文作者：Lei Zhou

内容提要

当前的束平差算法(如LM)在求解尺寸与相机数量成比例的简化摄像机系统(RCS)方面存在瓶颈。当问题被放大时，在计算上效率低，也不便于单个计算节点管理。在本文中，我们提出了一种随机束调整算法，在LM迭代中近似地分解RCS，以提高效率和可扩展性。首先在可视图聚类的基础上，引入了聚类间的等式约束，重新构造了LM迭代的二次规划问题。然后，我们提出将其松弛为一个机会约束问题，并通过采样凸规划进行求解。松弛的目的是消除约束所带来的簇与簇之间的相互依赖性，从而将一个大的RCS分解成独立的线性子问题。在无序网络图像集和有序SLAM图像集上的数值实验，以及在大规模数据集上的分布式实验，都证明了该方法的有效性和可扩展性。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。