Ceres入门——Ceres的基本使用方法

Ceres solver 是谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达slam项目cartographer中被大量使用。Ceres官网上的文档非常详细地介绍了其具体使用方法，相比于另外一个在slam中被广泛使用的图优化库G2O，ceres的文档可谓相当丰富详细。本篇博客介绍一下Ceres库的基本使用方法。

Ceres可以解决边界约束鲁棒非线性最小二乘法优化问题。这个概念可以用以下表达式表示：

这一表达式在工程和科学领域有非常广泛的应用。比如统计学中的曲线拟合，或者在计算机视觉中依据图像进行三维模型的构建等等。

${\rho }_i(||f_i(x_{i_1},...,x_{i_k})|{|}^2)$这一部分被成为残差块（ResidualBlock），其中的 $f_i(\cdot )$ 叫做代价函数（CostFunction）。代价函数依赖于一系列参数$[x_{i_1}]$ ，这一系列参数（均为标量）称为参数块（ParameterBlock）。当然参数块中也可以只含有一个变量。$l_{}$