以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

【Non-convex Pose Graph Optimization in SLAM via Proximal Linearized Riemannian ADMM】

文章链接：[2404.18560] Non-convex Pose Graph Optimization in...

位姿图优化( Pose graph optimization，PGO )是解决基于姿态同时定位与地图构建( Simultaneous localization and mapping，SLAM )问题的著名技术。本文用单位四元数和三维向量来表示旋转和平移，并基于von Mises - Fisher分布提出了一种新的PGO模型。由单位四元数导出的约束为球面流形，对约束的投影可以通过归一化计算得到。然后，开发了一种近似线性化的黎曼交替方向乘子法( PieADMM )来求解所提出的模型，该方法不仅具有较低的内存需求，而且可以并行更新位姿。此外，我们建立了PieADMM的迭代复杂度为O ( 1 / ε2 )，以找到模型的ε稳态解。通过在两个合成数据集和四个3D SLAM基准数据集上的数值实验证明了我们提出的算法的有效性。

推荐阅读