光束平差法中的一种改进LM算法

针对视觉SLAM后端非线性优化存在计算速度慢、优化效果差等问题,采用BA图优化方法,对其求解策略列文伯格-马夸尔特(LM)算法进行改进,改善LM算法计算过程中雅可比矩阵可能存在的奇异性或病态问题,增强LM算法的稳定性,提高LM算法的效率和BA-SLAM的精度。改进的算法将前一次的迭代结果引入到后一次信赖域半径的计算中,可减小因当前解远离解集时目标函数较大所产生的影响,同时在不假设雅可比矩阵非奇异的条件下,使其具有二阶收敛性,提高算法的稳定性和计算速度,提升光束平差法中LM算法的稳健性与效率。仿真实验结果表明,提出的改进LM算法与传统LM算法和文献[6]提出的改进LM算法相比,在相同精度时使用的迭代次数更少,计算效率高; 采用改进LM算法的光束平差法具有更高的优化精度和稳健性。