一些SLAM中Ceres优化问题记录

最近自己写了一个紧耦合轮式惯性里程计方案，在此撰写一些自己遇到的问题：

1. Ceres Evaluate函数忘记Return True
   自己用轮式码盘的速度写了一个约束Factor，后面优化的时候发现这个约束的残差越迭代越大。然后将Ceres优化过程打印出来，发现雅可比矩阵为0。但是我Evaluate函数里面的雅可比矩阵是正常的。这个问题后面排查了好几天，最后才发现是Evaluate函数没有return true。切记Ceres Factor Evaluate函数最后一定要加Return true, 有时候Factor代码比较长，容易忽略这点。

2. Levenberg-Marquardt和DogLeg的区别
   Ceres options可以选择优化的策略，一开始我用的是Levenberg-Marquardt优化。因为需要对姿态进行优化，当执行行驶的时候，姿态残差优化正常能够收敛。但是只要一拐弯就不能正常收敛了。后来发现Levenberg-Marquardt不适合初值不好的情况，当初值和最终优化值比较接近时才比较好用。所以拐弯的时候，姿态初值偏离最终优化值较大，LM就不能正常收敛了。DogLeg更适合参数尺度差异大或矩阵病态，或者初值偏离最后优化值较大的情况。默认LM，若遇到收敛问题或病态矩阵，尝试DogLeg。。