1.3.3　后端优化

概括地讲，后端优化主要指处理SLAM过程中的噪声问题。虽然我们希望所有输入的数据都是准确的，然而现实中，再精确的传感器也带有一定的噪声。便宜的传感器的测量误差较大，昂贵的则较小，有的传感器还会受磁场、温度、红外线的影响，所以除了解决“从相邻时刻估计出相机运动”之外，我们还要关心这个估计带有多大的噪声及如何消除这些误差。后端优化要考虑的问题就是如何从这些带有噪声的数据中，估计整个系统的状态，以及这种状态估计的不确定性大小。这里的状态既包括运动主体本身的轨迹，也包含地图。在SLAM框架中，前端给后端提供待优化的数据，以及这些数据的初始值，而后端负责整体的优化过程，面对的只有数据，而不必关心这些数据到底来自什么传感器。在HoloLens中，前端和计算机视觉研究领域更为相关，例如图像的特征提取与匹配等，也包括图像数据与IMU和ToF数据的融合，后端则主要负责滤波与非线性优化算法。通过后端优化，我们能够比较有效地抑制误差累积，将整个SLAM系统维持在一个可接受的精度范围。