JJ_S - 博客园

2021年10月14日

摘要： TODO 参考 https://blog.csdn.net/qq_37568167/article/details/105972628 《高斯牛顿法(GN)和列文伯格-马夸特算法(LM)》 https://zhuanlan.zhihu.com/p/335191534 《梯度下降法》 https:// 阅读全文

posted @ 2021-10-14 13:32 JJ_S 阅读(512) 评论(0) 推荐(0) 编辑

四元数、旋转变换

摘要： TODO 参考 https://blog.csdn.net/xiaoma_bk/article/details/79082629 https://blog.csdn.net/csxiaoshui/article/details/65445633 阅读全文

posted @ 2021-10-14 13:21 JJ_S 阅读(49) 评论(0) 推荐(0) 编辑

2021年10月12日

cost function、 Loss Function、期望风险、经验风险与结构风险

摘要：损失函数是一个非负实数函数, 用来量化模型预测和真实标签之间的差异. 损失函数（Loss Function）: 是定义在单个训练样本上的，计算的是一个样本的误差。代价函数（Cost Function）: 是定义在整个训练集上面的，也就是所有样本的误差的总和的平均，也就是损失函数的总和的平均。目标阅读全文

posted @ 2021-10-12 15:24 JJ_S 阅读(629) 评论(0) 推荐(0) 编辑

2021年10月11日

Ceres学习-3.Solver

摘要：使用Ceres求解非线性优化问题，一共分为三个部分：第一部分：构建cost fuction，即代价函数，也就是寻优的目标式。参见《Ceres学习-1.CostFunction》https://www.cnblogs.com/vivian187/p/15393995.html 第二部分：通过代价函数阅读全文

posted @ 2021-10-11 16:51 JJ_S 阅读(1888) 评论(0) 推荐(0) 编辑

Ceres学习-2.Problem

摘要： 1.Problem类简述 // 来自于ceres-solver-1.14.0/include/ceres/problem.h class CERES_EXPORT Problem { public: // Problem默认掌握cost_function，loss_function和local_pa 阅读全文

posted @ 2021-10-11 16:50 JJ_S 阅读(1877) 评论(0) 推荐(0) 编辑

Ceres学习-1.CostFunction

摘要： CostFunction的概念参考 https://www.cnblogs.com/vivian187/p/15398068.html Ceres求解器，像所有基于梯度的优化算法一样，依赖于能够评估目标函数及其在其域内任意点的导数。实际上，定义目标函数及其雅可比矩阵是用户在使用Ceres求解器求解优阅读全文

posted @ 2021-10-11 16:49 JJ_S 阅读(2445) 评论(0) 推荐(0) 编辑

18.Ceres官方教程-Modeling Non-linear Least Squares (6) Problem

摘要： Problem保持了非线性最小二乘问题的强化的边界。要创建最小二乘问题，可以使用ProblemAddResidualBlock()和ProblemAddParameterBlock()。例如，下面这个Problem包含了三个参数块，维度分别为3，4，5。同时有两个残差块，维度分别是2和6。 dou 阅读全文

posted @ 2021-10-11 14:45 JJ_S 阅读(780) 评论(0) 推荐(0) 编辑

17.Ceres官方教程-Modeling Non-linear Least Squares (5) LocalParameterization

摘要： 1.LocalParameterization 在许多优化问题中，特别是传感器融合问题中，我们必须对流形空间中的数量进行建模，例如由四元数表示的传感器的旋转/方向。流形是空间，其局部看起来像欧几里得空间。更准确地说，在流形上的每一点上，都有一个与流形相切的线性空间。它的维数等于流形本身的内在维数，阅读全文

posted @ 2021-10-11 11:13 JJ_S 阅读(671) 评论(0) 推荐(0) 编辑

16.Ceres官方教程-Modeling Non-linear Least Squares (4) 损失函数

摘要：对于最小二乘问题，其中最小化可能遇到包含异常值的输入项，即完全虚假的测量值，重要的是使用损失函数来减少它们的影响。考虑一个来自运动问题的结构。未知量是3D点和摄像机参数，测量值是描述摄像机中某个点预期重投影位置的图像坐标。例如，我们想要对带有消防栓和汽车的街景的几何形状建模，通过带有未知参数的移动阅读全文

posted @ 2021-10-11 10:54 JJ_S 阅读(281) 评论(0) 推荐(0) 编辑

2021年9月30日

15.Ceres官方教程-Modeling Non-linear Least Squares (3)

摘要： 1.GradientChecker 这个类比较由代价函数返回的雅可比矩阵与用有限微分估计的导数。它是一种用于单元测试的工具，比求解器选项中的check_gradients选项提供更fine-grained的控制。强制执行的条件是由用户提供的成本函数乘以局部参数雅可比矩阵计算出来的雅可比矩阵, 是阅读全文

posted @ 2021-09-30 11:16 JJ_S 阅读(292) 评论(0) 推荐(0) 编辑