视觉SLAM十四讲 第6讲 非线性优化

1、最小二乘法含义
2、理解高斯牛顿法和列文伯格马夸尔特方法
3、g2o库和ceres库使用

文章目录

      • 1、状态估计问题
        • 1.1 最大似然估计
        • 1.2 如何求最大似然(转化为最小二乘)
      • 2、最小二乘问题 解决
        • 2.1 引言(简单最小二乘问题)--(引出迭代法)
        • 2.2 迭代优化解法1---一阶和二阶梯度(有问题)
        • 2.3 迭代优化解法改进(常用1:GN高斯牛顿法)
        • 2.4 迭代优化解法改进(常用2:LM列文伯格(SLAM用))
      • 3、实践ceres库
      • 4、g2o库(图优化库)对比ceres库
      • 终. 总结

1、状态估计问题

1.1 最大似然估计

视觉SLAM十四讲 第6讲 非线性优化_第1张图片
视觉SLAM十四讲 第6讲 非线性优化_第2张图片

1.2 如何求最大似然(转化为最小二乘)

视觉SLAM十四讲 第6讲 非线性优化_第3张图片
视觉SLAM十四讲 第6讲 非线性优化_第4张图片
视觉SLAM十四讲 第6讲 非线性优化_第5张图片

2、最小二乘问题 解决

2.1 引言(简单最小二乘问题)–(引出迭代法)

视觉SLAM十四讲 第6讲 非线性优化_第6张图片
视觉SLAM十四讲 第6讲 非线性优化_第7张图片

2.2 迭代优化解法1—一阶和二阶梯度(有问题)

视觉SLAM十四讲 第6讲 非线性优化_第8张图片
视觉SLAM十四讲 第6讲 非线性优化_第9张图片

2.3 迭代优化解法改进(常用1:GN高斯牛顿法)

视觉SLAM十四讲 第6讲 非线性优化_第10张图片
视觉SLAM十四讲 第6讲 非线性优化_第11张图片

2.4 迭代优化解法改进(常用2:LM列文伯格(SLAM用))

视觉SLAM十四讲 第6讲 非线性优化_第12张图片
视觉SLAM十四讲 第6讲 非线性优化_第13张图片
视觉SLAM十四讲 第6讲 非线性优化_第14张图片

3、实践ceres库

(1)定义优化问题
(2)设置选项,参数等
(3)输入到ceres求解即可
优点:提供自动求导,不必计算雅可比,其导数属于数值导数

视觉SLAM十四讲 第6讲 非线性优化_第15张图片
在这里插入图片描述
视觉SLAM十四讲 第6讲 非线性优化_第16张图片

4、g2o库(图优化库)对比ceres库

(1)顶点表示优化变量,边表示误差
(2)定义顶点和边的类型
(3)构建图
(4)选择优化算法
(5)调用g2o优化

视觉SLAM十四讲 第6讲 非线性优化_第17张图片

终. 总结

视觉SLAM十四讲 第6讲 非线性优化_第18张图片
视觉SLAM十四讲 第6讲 非线性优化_第19张图片

你可能感兴趣的:(视觉SLAM十四讲)