基于优化列文伯格-马夸尔特法的SLAM图优化

针对目前的视觉SLAM技术中存在的非线性优化方法过程复杂、优化速度慢、优化精度低等缺点,在广泛应用的BA非线性优化方法的框架基础之上,对其核心下降策略列文伯格-马夸尔特法进行优化,以便改善传统的列文伯格-马夸尔特法在BA非线性优化中的不足之处。首先,初始化待优化点处的信赖区域半径;其次,拟定一个扩大倍数,并设定阈值;最后,通过拟定的近似范围限定每次迭代的信赖区间,以达到非线性优化的目的。通过设置对比实验和分析实验的仿真结果,可以得出经过优化后的列文伯格-马夸尔特法下降策略能够加快优化速度,具有优化建图的效果。