姿势图优化是在机器人感知的许多领域遇到的非凸优化问题。它的收敛到准确的解决方案由两个因素来调节:使用成本函数的非线性和姿势变量的初始配置。在本文中,我们提出了Hipe,这是一种用于姿势图初始化的新型分层算法。我们的方法利用了一个粗粒图,该图编码了问题几何形状的抽象表示。我们通过结合来自输入本地区域的最大似然估计来构建此图。通过利用这种表示的稀疏性,我们可以以非线性方式初始化姿势图,而无需与现有方法相比,没有计算开销。最终的初始猜测可以有效地引导用于获得最终解决方案的细粒优化。此外,我们对不同成本函数对最终估计的影响进行了经验分析。我们的实验评估表明,HIPE的使用导致更有效,更健壮的优化过程,与最先进的方法相比。
translated by 谷歌翻译