基于回环边残差聚焦权重模型的位姿图优化算法

基于图优化的同时定位与建图（SLAM）系统中,含有大噪声的回环边可能严重阻碍优化器迅速收敛到最优解,显著降低定位精确性和地图一致性。因此,针对大噪声回环边的优化算法的鲁棒性至关重要。该文引入K-means聚类思想,对回环边残差值进行分类,进而建立了一种新的残差阈值模型,自适应调整回环边在优化时的权重,减少回环边对优化的影响,然后,基于迭代重加权最小二乘的思想形成了RW-RLSPGO 算法（residual weighted enhancement for recursive least squares pose graph optimization algorithm,RW-RLSPGO）。最后,在模拟和真实的PGO数据集上进行蒙特卡罗实验,实验结果表明RW-RLSPGO算法在准确性和鲁棒性方面都取得了显著的提高,验证了其在大噪声环境下的有效性。