- 博客(2)
- 资源 (7)
- 收藏
- 关注
RSS订阅转载 最小二乘法–高斯牛顿迭代法
最小二乘法–高斯牛顿迭代法本文将详解最小二乘法的非线性拟合，高斯牛顿迭代法。1.原理高斯—牛顿迭代法的基本思想是使用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小。①已知m个点：②函数原型：其中：（m>=n）③目的是找到最优解β，使得残差平方和最小
2016-10-26 11:03:36
28923
5
转载 SLAM中的marginalization 和 Schur complement
视觉SLAM的很多论文中，会大量或者偶尔出现marginalization这个词(翻译为边缘化)，有的论文是特地要用它，比如sliding window slam [2], okvis [3], dso [4]。而有的论文是简单的提到，比如g2o[1]，orbslam。因此，很有必要对这个概念进行了解。marg 基础在我们这个工科领域，它来源于概率论中的边际分布（margi
2016-10-24 14:11:10
1450
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人