Adaptive Graduated Non-Convexity for Pose Graph Optimization

要約

段階的非凸性 (GNC) に基づいたロバストなポーズ グラフ最適化への新しいアプローチを紹介します。
従来の GNC ベースの方法とは異なり、提案されたアプローチでは、B スプラインを使用した適応形状関数を使用して、ロバストなカーネルの形状を最適化します。
これは、GNC の反復を削減し、精度を損なうことなく計算速度を向上させることを目的としています。
このメソッドをオープンソースの riSAM アルゴリズムと統合すると、さまざまなデータセットにわたって効率が向上します。
付属のオープンソース コードは、この分野でのさらなる研究を促進することを目的としています。
https://github.com/SNU-DLLAB/AGNC-PGO

要約(オリジナル)

We present a novel approach to robust pose graph optimization based on Graduated Non-Convexity (GNC). Unlike traditional GNC-based methods, the proposed approach employs an adaptive shape function using B-spline to optimize the shape of the robust kernel. This aims to reduce GNC iterations, boosting computational speed without compromising accuracy. When integrated with the open-source riSAM algorithm, the method demonstrates enhanced efficiency across diverse datasets. Accompanying open-source code aims to encourage further research in this area. https://github.com/SNU-DLLAB/AGNC-PGO

arxiv情報

提供元, 利用サービス

arxiv.jp, Google