miniSAM 开源项目使用教程
2024-09-19 15:28:26作者:庞队千Virginia
1. 项目介绍
miniSAM 是一个开源的 C++/Python 框架,专门用于解决基于因子图的最小二乘问题。该框架由 Jing Dong 和 Zhaoyang Lv 开发,最初作为 Math 6644 课程的最终项目于 2017 年开始,并在两位作者攻读博士学位期间兼职完成。miniSAM 的设计灵感主要来自 GTSAM,但相比 GTSAM,miniSAM 更加轻量级,并且提供了完整的 Python/NumPy API,使得开发更加敏捷,并且易于与现有的 Python 项目集成。此外,miniSAM 支持多种稀疏线性求解器,包括 CUDA 加速的稀疏线性求解器。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的系统已经安装了以下依赖:
- CMake 3.4+
- Eigen 3.3.0+
- Python 2.7/3.4+(可选,用于使用 Python 包)
- SuiteSparse(可选,用于使用 CHOLMOD 和 SPQR 稀疏线性求解器)
- CUDA 9.0+(可选,用于使用 cuSOLVER Cholesky 稀疏线性求解器)
2.2 下载和编译
# 克隆项目仓库
git clone --recurse-submodules https://github.com/dongjing3309/minisam.git
# 创建并进入构建目录
mkdir build
cd build
# 配置和编译项目
cmake ..
make
# 可选:运行单元测试
make check
2.3 使用 Python 包
如果您希望使用 miniSAM 的 Python 接口,可以通过以下命令安装 Python 包:
pip install minisam
3. 应用案例和最佳实践
3.1 2D 位姿图示例
miniSAM 可以用于解决各种基于因子图的最小二乘问题,例如 2D 位姿图优化。以下是一个简单的 2D 位姿图优化示例:
import minisam
# 创建因子图
graph = minisam.FactorGraph()
# 添加因子
graph.add(minisam.PriorFactor(0, minisam.Pose2(0, 0, 0), minisam.noiseModel.Isotropic.Sigma(3, 0.1)))
# 创建初始估计
initial_estimate = minisam.Variables()
initial_estimate.add(0, minisam.Pose2(0.1, 0.1, 0.1))
# 优化
optimizer = minisam.LevenbergMarquardtOptimizer(graph, initial_estimate)
result = optimizer.optimize()
# 输出结果
print(result)
3.2 GPS 因子示例
miniSAM 还可以用于处理类似 GPS 的因子,以下是一个简单的 GPS 因子示例:
import minisam
# 创建因子图
graph = minisam.FactorGraph()
# 添加因子
graph.add(minisam.GPSFactor(0, minisam.Point3(1, 1, 1), minisam.noiseModel.Isotropic.Sigma(3, 0.1)))
# 创建初始估计
initial_estimate = minisam.Variables()
initial_estimate.add(0, minisam.Point3(0, 0, 0))
# 优化
optimizer = minisam.LevenbergMarquardtOptimizer(graph, initial_estimate)
result = optimizer.optimize()
# 输出结果
print(result)
4. 典型生态项目
miniSAM 作为一个灵活的因子图非线性最小二乘优化框架,可以与其他开源项目结合使用,例如:
- GTSAM: 一个著名的因子图框架,miniSAM 的设计灵感主要来自 GTSAM。
- Sophus: 一个 C++ 实现的 Lie 群库,miniSAM 使用 Sophus 来处理 SLAM 和多视图几何功能。
- SuiteSparse: 一个稀疏矩阵算法库,miniSAM 可以选择使用其中的 CHOLMOD 和 SPQR 稀疏线性求解器。
通过结合这些生态项目,miniSAM 可以进一步扩展其功能,适用于更广泛的优化问题。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6710
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.52 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
7
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K