dushib的博客

简介 g2o是一个通用的图优化库，可以应用到任何能够表示成图优化的最小二乘问题。例如BA，icp，曲线拟合等。 但它不像Ceres一样有丰富详细的学习资料。 图优化，是把优化问题表现成图（Graph）（指图论中的图）的一种方式，一组优化变量和变量之间的误差项，使用图来图来描述，使它们之间的关系更加直观化； 三角形和圆圈，都是顶点，待优化的变量； 红色与蓝色的线，都是边，描述相连顶点优化变量关系，也就是误差项； g2o使用步骤如下： 定义顶点和边的类型； 构建图； 选择优化算法； 调

简介： Ceres是谷歌开发的广泛使用的最小二乘问题求解库。用户只需要按照一定的步骤定义待解的优化问题然后交给求解器计算。最小二乘问题一般格式如下： 使用Ceres求解非线性优化问题，一共分为三个部分： 1、 第一部分：构建cost fuction，即代价函数，也就是寻优的目标式。这个部分需要使用仿函数（functor）这一技巧来实现，做法是定义一个cost function的结构体，在结构体内重载（）运算符，具体实现方法后续介绍。 2、 第二部分：通过代价函数构建待求解的优化问题。 3、 第三部分

在一篇博客中，通过分析helloword的自动求导和节写求导简单例子，了解了Ceres的基本流程。本片博客在上一片基础之上，以高博十四讲内容为基础，分析Ceres两个使用案例 一、曲线拟合 1、问题描述 其中a,b,c为待估计的参数，w为噪声。在程序里利用模型生成x，y的数据，在给数据添加服从高斯分布的噪声。之后用ceres优化求解参数a,b,c。 2、求解代码 代码部分仍然与上一篇博客类似，分为三个部分 (1)、第一部分：构建cost fuction，即代价函数 struct CURV