Ceres 四重奏 之 入门简介

    Ceres 翻译为谷神星,是太阳系中的一颗矮行星,于1801年被意大利神父 Piazzi 首次观测到,但随后 Piazzi 因为生病,跟丢了它的运行轨迹。

    几个月后,德国数学家 Gauss,利用最小二乘法,仅仅依靠 Piazzi 之前观测到的12个数据,便成功的预测了谷神星的运行轨迹。

    两百多年后,为了解决一些复杂的最优化问题 (如:带边界约束的非线性最小二乘、一般的无约束最优化等),谷歌开发了一个 C++ 库 Ceres Solver

    之所以取名 Ceres Solver,是为了纪念 Gauss 利用最小二乘法,成功的预测了谷神星轨迹,这个在最优化、统计学、天文学历史上,都具有重要意义的事件 

1  Ceres 简介

1.1  特点

    1) 模型接口简洁

        - 求导简单;鲁棒的损失函数;局部参数化

    2) 求解方法多

        - 信赖域法:Lenberg-Marquardt, Powell’s Dogleg, Subspace dogleg

        - 线搜索法:Non-linear Conjugate Gradients, BFGS, LBFGS

    3) 求解质量高

        - 在 NIST 数据集下,按照 Mondragon 和 Borchers 的测试标准,Ceres 的准确度最高

                 

1.2  应用

    在谷歌内部,Ceres 已经被应用于多个产品中,如:谷歌街景中汽车、飞行器的位姿估计;PhotoTours 中 3D 模型的建立;SLAM 算法 Cartographer 等

    此外,一些公司和研究所也在使用 Ceres,像是 Southwest Research Institute 的机器人视觉系统标定,OpenMVG 的光束平差 (BA) 问题,Willow Garage 的 SLAM 问题等

 1.3  非线性最小二乘

    带边界约束的非线性最小二乘形式,如下:

    $\quad \begin{split} \min_x &\quad \frac{1}{2}\sum_{i} \rho_i\left(\left\|f_i\left(x_{i_1}, x_{i_2}, ... ,x_{i_k}\right)\right\|^2\right) \\\text{s.t.} &\quad l_j \le x_j \le u_j \end{split}$ 

    其中,1) s.t. = "subject to",限定了 $x_j$ 的取值范围

               2) $ \rho_i\left(\left\|f_i\left(x_{i_1},x_{i_2},...,x_{i_k}\right)\right\|^2\right) $ 为残差块

               3) $f_i(\cdot)$ 为代价函数,取决于参数块 $\left[x_{i_1},x_{i_2},... , x_{i_k}\right]$

               4) $\rho_i$ 为损失函数,是一个标量函数,主要用来消除异常点对求解过程的影响

    如果令损失函数 $\rho_i = x$ 为恒等函数,且放宽边界约束条件为 $[-\infty, \infty]$

    则非线性最小二乘问题,可简化为如下形式:

    $\quad \begin{split}\frac{1}{2}\sum_{i} \left\|f_i\left(x_{i_1}, ... ,x_{i_k}\right)\right\|^2 \end{split}$

    上面的最小二乘形式,在科学和工程领域有着广泛的应用,例如,统计学中的曲线拟合,计算机视觉的三维重建等

 

2  编译配置

    Win10  64-bit ;VS 2019 社区版,下载地址 ;CMake 解压版,下载地址

2.1  源文件

    - Ceres Solver 源文件,下载地址,从 2.0 开始,需要支持 C++14 的编译器

    - eigen 源文件,必须,>=3.3,下载地址

    - glog 源文件,推荐,>=0.3.1,下载地址,及其依赖库 gflags,下载地址

2.2  配置生成

    1)  将源文件 ceres、eigen、glog 和 gflags 解压,运行 cmake-gui.exe,配置生成 eigen (先点 "Configure",再点 "Generate" 即可)

    2)  编译 gflags,先点 "Configure",再点 "Generate",然后点 "Open Project",在 VS 中打开工程,最后在 debug 和 release 模式下分别编译

    3)  编译 glog,操作同 3),其中 cmake 配置不再赘述,如:CMAKE_CONFGURATION_TYPES 只保留 Debug 和 Release,gflags_DIR 指向含 gflags-config.cmake 的目录等

    4)  编译 ceres,操作同 3),注意配置 eigen、glog 和 gflags 的 _DIR 目录,并勾上 BUILD_SHARED_LIBS 以便生成 dll 库

        Ceres 四重奏 之 入门简介_第1张图片 

2.3  VS 配置

    将生成的 .lib 和 .dll 文件放在特定目录下,并新建 include 文件夹,汇总对应的 .h 文件

  1)环境变量

      计算机 -> 属性 -> 高级系统设置 -> 环境变量,编辑系统变量里的 path 变量

D:\3rdparty\gflags\bin\Debug
D:\3rdparty\glog\bin\Debug
D:\3rdparty\ceres\bin\Debug  

  2)  头文件和库文件

      在 VS 中配置 ceres, eigen, glog 和 gflags 的 头文件目录,以及 库文件目录

      注:在编译时,若出现头文件缺失,则在源文件中找到对应的 .h,拷贝到 include 目录中即可

            Ceres 四重奏 之 入门简介_第2张图片 

  3)  依赖库

      添加对应的 .lib 依赖库,如下:

ceres-debug.lib
gflags_debug.lib
glogd.lib

  4)  错误处理

    运行程序,如出现如下错误,则在 "项目属性 - 预处理器定义" 中,定义 _USE_MATH_DEFINES 宏可解决

      Ceres 四重奏 之 入门简介_第3张图片

 

3  代码实例

    给定一个目标函数 $\begin{split} \frac{1}{2}(10 -x)^2 \end{split}$,求其取最小值时,对应的 $x$ 为多少 

3.1  求解步骤

    1)  构建代价函数

         Ceres 中利用仿函数,通过重载 operator() 运算符,来实现代价函数的定义,本例中的代价函数为 $f(x) = 10 -x $

// A templated cost functor that implements the residual r = x - 10
struct CostFunctor {
    template  bool operator()(const T* const x, T* residual) const {
        residual[0] = x[0] - 10.0;
        return true;
    }
};  

    2)  构建残差块

   // Build the problem
    Problem problem;
    // Set up the cost function (also known as residual)
    CostFunction* cost_function = new AutoDiffCostFunction(new CostFunctor);
    problem.AddResidualBlock(cost_function, NULL, &x);  

    3)  配置求解器

    // The options structure, which controls how the solver operates
    Solver::Options options;
    options.linear_solver_type = ceres::DENSE_QR;
    options.minimizer_progress_to_stdout = true;  

    4)  求解

    // Run the solver
    Solver::Summary summary;
    Solve(options, &problem, &summary);

3.2  完整代码      

#include "ceres/ceres.h"

using ceres::AutoDiffCostFunction;
using ceres::CostFunction;
using ceres::Problem;
using ceres::Solver;
using ceres::Solve;

// A templated cost functor that implements the residual r = x - 10.
struct CostFunctor {
    template  bool operator()(const T* const x, T* residual) const {
        residual[0] = 10.0 - x[0];
        return true;
    }
};

int main() 
{
    // The variable to solve for with its initial value
    double x = 0.5;
    const double initial_x = x;

    // Build the problem.
    Problem problem;
    // Set up the cost function (also known as residual)
    CostFunction* cost_function = new AutoDiffCostFunction(new CostFunctor);
    problem.AddResidualBlock(cost_function, NULL, &x);

    // The options structure, which controls how the solver operates
    Solver::Options options;
    options.linear_solver_type = ceres::DENSE_QR;
    options.minimizer_progress_to_stdout = true;

    // Run solver
    Solver::Summary summary;
    Solve(options, &problem, &summary);

    std::cout << summary.BriefReport() << "\n";
    std::cout << "x : " << initial_x << " -> " << x << "\n";
}  

    运行结果如下:

   

  

 

 参考资料

    Ceres Solver 在 Windows 下的安装

    Mondragon 和 Borchers 标准对比测试    

 

你可能感兴趣的:(Ceres 四重奏 之 入门简介)