文章：Visual SLAM: Why Bundle Adjust?
链接：https://arxiv.org/abs/1902.03747
作者：Alvaro Parra Bustos，……，Ian Reid
机构：The University of Adelaide
摘要的摘要：BA的替代优化方法，解决纯旋转和弱平移下的位姿估计。简化SLAM算法，只估计orientations，然后基于已知计算
和
（mappoint）。
1. L-INFINITY SLAM
给定有重叠区域的图像集的相对旋转
，估计出每帧的平均旋转（详见后文）：
其中，为共视图。然后基于给定的
，计算相机位置
和3D点
：
因为上述为最小化重投影误差的最大值，所以可看作为重投影误差的-norm（BA里为
-norm）。
01: for each keyframe step
do
02:
03:
04:
05:
06: if loop is detected inthen
07:
08:
09:
10: end if
11: end for
2. ALGORITHMIC DETAILS
设为相机内参，
为第
帧图像的投影矩阵。
2.1 Estimating relative motions
从essential matrix中分解出。对于弱平移，使用Trimmed ICP。
2.2 Rotation averaging
使用文献[1]中的方法求解方程(3)，不需要线性化等操作。
Rotation averaging
2.3 Known rotation problem
设为
的前两行，
为
的第三行，
投影到
图像：
方程(4)可写为：
1.PNG
(7c)保证了深度值为正，点在相机前。因此问题可继续改写为：
2.PNG
很多方法解该问题，paper使用基于Res-Int改进的方法。
2.4 Known rotation problem with translation direction constraints
用的也是阿德莱德大学的一个老师的算法[2]：
分别单独求解，
。
4.PNG
3. RESULTS
- BA: implemented in C++ using the Ceres solver
- rotation averaging: code provided in [1]
- known rotation prob: code provided in [2]
-
闭环问题：（暂时没有看）krot tdc: (P3) implemented in MATLAB using SeDuMi
5.JPG
6.PNG
