Non-convex Pose Graph Optimization in SLAM via Proximal Linearized Riemannian ADMM

要約

ポーズ グラフ最適化 (PGO) は、ポーズベースの同時位置特定およびマッピング (SLAM) 問題を解決するためのよく知られた技術です。
本論文では、回転と並進を単位四元数と三次元ベクトルで表現し、フォン・ミーゼス・フィッシャー分布に基づく新しいPGOモデルを提案する。
単位四元数から導出される制約は球面多様体であり、制約への射影は正規化によって計算できます。
次に、提案されたモデルを解決するために、近接線形リーマン交互方向乗算法 (PieADMM) が開発されます。このモデルは、メモリ要件が低いだけでなく、ポーズを並行して更新できます。
さらに、モデルの $\epsilon$ 定常解を見つけるために、PieADMM の $O(1/\epsilon^{2})$ の反復計算量を確立します。
私たちが提案したアルゴリズムの効率は、2 つの合成 SLAM ベンチマーク データセットと 4 つの 3D SLAM ベンチマーク データセットに対する数値実験によって実証されています。

要約(オリジナル)

Pose graph optimization (PGO) is a well-known technique for solving the pose-based simultaneous localization and mapping (SLAM) problem. In this paper, we represent the rotation and translation by a unit quaternion and a three-dimensional vector, and propose a new PGO model based on the von Mises-Fisher distribution. The constraints derived from the unit quaternions are spherical manifolds, and the projection onto the constraints can be calculated by normalization. Then a proximal linearized Riemannian alternating direction method of multipliers (PieADMM) is developed to solve the proposed model, which not only has low memory requirements, but also can update the poses in parallel. Furthermore, we establish the iteration complexity of $O(1/\epsilon^{2})$ of PieADMM for finding an $\epsilon$-stationary solution of our model. The efficiency of our proposed algorithm is demonstrated by numerical experiments on two synthetic and four 3D SLAM benchmark datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google