MIT-SPARK/Kimera-RPGO

解决的问题

Kimera-RPGO 提供了一种稳健的位姿图优化 (PGO) 方法，这对于机器人维持环境地图及其自身位置的准确性至关重要。它专门解决了“离群值”问题——即错误的闭环测量，若未经适当剔除，可能会导致机器人估计轨迹出现重大误差。

工作原理

该库作为一个优化后端，使用稳健求解器（默认为 Levenberg-Marquardt 或 Gauss-Newton）来精炼机器人的位姿图。它实现了基于 Pairwise Consistent Measurement Set Maximization (PCM) 的离群值剔除机制，识别并移除不一致的测量数据，确保最终优化仅使用可靠的数据。

适用对象

专为从事 SLAM (Simultaneous Localization and Mapping) 和多机器人地图合并的机器人开发者与研究人员设计，他们需要一个可靠的后端来处理噪声或错误的传感器数据。

特点

• 离群值剔除：使用 PCM 过滤错误的闭环。
• 灵活的求解器：支持 Levenberg-Marquardt (LM) 和 Gauss-Newton (GN) 优化方法。
• 维度支持：能够处理 2D 和 3D 位姿图优化。
• 易于整合：可作为库整合到更大的系统中，或作为处理 g2o 文件的独立工具。