Ceres求解器由两个不同的部分组成。一个是建模API，它提供了非常丰富的工具，可以迅速构建一个优化问题模型。另一个是解算器API，用于控制最小化算法。本章致力于使用Ceres建模优化问题的任务。下一章 Solving Non-linear Least Squares 讨论了使用Ceres解决优化问题的各种方法。
Ceres解决如下形式的鲁棒边界约束非线性最小二乘问题:
用Ceres的说法，表达式
被称为residual block(残差)。
是一个依赖参数模块的CostFunction
在大多数优化问题中，一小组标量一起出现。例如，一个平移向量的三个分量和定义摄像机姿态的四元数的四个分量。我们将这样一组标量称为参数块。当然，参数块也可以只是一个标量。
是一个LossFunction(损失函数)，LossFunction是一个标量值函数，用于减少离群值对非线性最小二乘问题解的影响。
和是参数块的上下边界。
有一个特例，当
，并且我们得到了更熟悉的无约束非线性最小二乘问题。
目录
CostFunction
SizedCostFunction
AutoDiffCostFunction
DynamicAutoDiffCostFunction
NumericDiffCostFunction
DynamicNumericDiffCostFunction
CostFunctionToFunctor
DynamicCostFunctionToFunctor
ConditionedCostFunction
参照
GradientChecker
NormalPrior
LossFunction
LocalParameterization
AutoDiffLocalParameterization
Problem
EvaluationCallback
rotation.h
Cubic Interpolation
原文链接: https://www.cnblogs.com/vivian187/p/15347005.html
欢迎关注
微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍;
也有高质量的技术群，里面有嵌入式、搜广推等BAT大佬
原创文章受到原创版权保护。转载请注明出处：https://www.ccppcoding.com/archives/396855
非原创文章文中已经注明原地址，如有侵权，联系删除
关注公众号【高性能架构探索】，第一时间获取最新文章
转载文章受原作者版权保护。转载请注明原作者出处！
