ceres基本概念
ceres主要用于解决非线性最小二乘问题和通用的无约束最小化问题
Non-linear Least Squares
-
解决形如左侧的非线性最小二乘法问题
- 加和中的项取名为ResidualBlock残差块，其中f表示依赖于参数块xi的CostFunction。[xi1, xi2, …, xik]叫做ParameterBlock参数块
- ρi是Loss Function，用于减小outliers对于非线性最小二乘法带来的影响，是一个数值函数
- 在ceres中使用了仿函数functor，即使用时像函数一样的被调用，由该仿函数产生一个对象，并以此对象作为算法的一个参数。类别定义中必须自定义仿函数云算子operator()，这之后就可以在仿函数的对象后面加上一对小括号，以此调用仿函数所定义的operator()，这个operator()将在类实例化时被用到，非参数的元素传入类中，这样就免去了一些对公共变量的全局化的维护
- 定义了CostFunctor以后，CostFunction* cost_function = new AutoDiffCostFunction<CostFunctor, 1, 1>(new CostFunctor); 这个AutoDiffCostFunction将会以CostFunctor作为输入，然后自动对其进行微分，同时给予它一个CostFunction接口
- CostFunctor是用于计算a vector of residuals and Jacobian matrices。即这个损失函数是用于计算向量f(x1, …, xk)和Jacobian度量
。使用CostFunction::Evaluate()函数来计算对应的残差向量和Jacobian矩阵
7.
当要得到一个可自动进行微分操作的损失函数，那么就必须要定义一个模板化的operator()函数，它会以模板参数T的方式来计算损失函数。具体使用方式如下：
此时的参数即代表：该functor从两个2维参数中计算1个一维的输出