机构名称：
¥ 1.0
近年来，随着计算能力的提升，基于概率图模型 [13]-[14] 的因子图优化 (FGO) [11]-[12] 已成功应用于 SLAM (同步定位与地图构建)、机器人控制、无人驾驶汽车和 UAV (无人机) 导航领域。有许多卡尔曼滤波器可以成功被 FGO 取代的例子 [12]-[20]。因此，近年来 FGO 成为热门课题和前沿技术。开源求解器不断涌现 [12],[19]-[22]。图模型有两种：贝叶斯网络和马尔可夫场 [14]，它们都可以转化为因子图。FGO 可以求解单连通图和多连通图，而卡尔曼滤波器只能求解单连通图。因此，与只能解决时间序列模型的卡尔曼滤波器不同，因子图优化可以在状态空间模型中采用常数变量，这被称为图形状态空间模型 (GSSM) [23]-[24]。在图形状态空间 (GSS) 中，对于多连通因子图，第 k 个时期的系统状态可以与任意时期的系统状态相关。因子图的消息传递是双向的。因此，FGO 是用于全局数据处理的天然工具。
图形状态空间中的全球 RTK 定位
主要关键词
相关文件推荐
