TACO：一种用于鲁棒位姿图优化的测试与检查框架

Emilio Olivastri, Alberto Pretto, Tobias Fischer

摘要

本文提出TACO框架，通过增量概率一致性测试和可切换异常值清洗两个互补组件，有效滤除位姿图优化中的异常测量值。在2D和3D视觉SLAM数据集上的实验表明，该方法能显著提升轨迹估计的鲁棒性。

SLAMPose Graph Optimizationoutlier rejectionrobust optimizationloop closure

PERCEPTION

📊 22,245 引用

1995

PERCEPTION

📊 14,348 引用

Andreas Geiger, P Lenz, R. Urtasun

2012

PERCEPTION

开放获取📊 9,777 引用

Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者

2016

PERCEPTION

📊 9,681 引用

Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者

2013