基于全局特征描述子的激光SLAM回环检测方法( 四 ) _图像配准

的形式，每一个新的测量值都会致使信息矩阵发生更新。
图5 因子图优化模型
对于1次测量事件，
和
时刻位姿测量值分别为
，
，对应的路标点集合为
测量事件构成的约束函数如下：
因子图优化的过程为求解目标函数得到概率最大的地图和位姿信息路径，其目标函数为测量约束的集合，目标函数公式如下：
因子图优化的方法将图映射为信息矩阵的表达方式进行求解，利用图的稀疏性特点，在求解过程中保持较低的计算量和错误的数据关联，优于一般的滤波方法[17] 。
02 实验结果与讨论
2.1 准确率和召回率实验
准确率和召回率是衡量回环检测模块中相似度检测算法性能的重要指标，在回环检测算法设计中需首先保证较高的准确率，其次在满足高准确率的同时尽可能提高相似度检测模块的召回率。
准确率和召回率的计算方法如下：
式中：
为准确率；
为召回率；TP为正确识别出同一场景的数量；FP为将不同场景错误识别为同一场景的数量；FN为同一场景被错误识别为不同场景的数量。
实验采用苏黎世联邦理工学院公开数据集[18]进行测试，该数据集为手持激光雷达在真实矿井中扫描得到的数据。改变相似度检测算法的阈值ω(03D视觉工坊学习交流群
干货下载与学习
后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件
后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf
后台回复：3D视觉课程，即可学习3D视觉领域精品课程
3D视觉工坊精品课程官网：
1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
3.国内首个面向工业级实战的点云处理课程
4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
5.彻底搞懂视觉-惯性SLAM：基于VINS-正式开课啦
6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(+LOAM +LIO-SAM)
8.从零搭建一套结构光3D重建系统[理论+源码+实践]
9.单目深度估计方法：算法梳理与代码实现
10.自动驾驶中的深度学习模型部署实战
11.相机模型与标定(单目+双目+鱼眼）
12.重磅！四旋翼飞行器：算法与实战
13.ROS2从入门到精通：理论与实战
14.国内首个3D缺陷检测教程：理论、源码与实战
15.基于的点云处理入门与实战教程
16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进
17.机械臂抓取从入门到实战
重磅！粉丝学习交流群已成立
交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。
扫描以下二维码，添加小助理微信（）,一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉+ 上海交大 + 静静“ 。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。