g2o/GTSAM 图优化的核心思想及节点与边
哪些公司问过
答案要点
- 核心:SLAM后端转化为图上的非线性最小二乘,最小化加权误差平方和
- 节点:位姿、路标点、速度、bias、外参等待优化变量
- 边或因子:里程计、重投影观测、回环、IMU预积分、先验等约束,带信息矩阵
- 求解:GN、LM、Dogleg迭代线性化,利用稀疏性做稀疏Cholesky或Schur补
- g2o偏批量、自定义灵活;GTSAM基于因子图,iSAM2用贝叶斯树增量优化
易错点
- 认为图里的边只表示相邻帧关系,忽略观测和回环约束
- 不固定首帧或不加先验,规范自由度使问题欠定
- 信息矩阵随意设为单位阵
面试官常见追问
- 信息矩阵有什么作用?
- 为什么要加鲁棒核函数?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。