最近在看视觉SLAM十四讲,里面的L-M(Levenberg-Marquadt)法看了很久也是一知半解,于是在网上找了很多资料,现在整理一下。
首先是我对于书上某些部分的疑问:前面的算法流程里面给出的信赖域半径和拉格朗日乘数法里面的
是什么关系,书中并没有给出(我的想法是倒数关系)。
然后来说一下我的理解,首先L-M法之所以看起来很乱,是因为它可以从两个角度来解释,一个是作为G-N法的改进,另外一个是作为一种信赖域的方法来解释。而书上将这两块揉在了一起,因此看上去有点晕。。。
发现一个博客讲的很详细:解释L-M法
这篇博客就是从两个角度解释了LM法,这里要注意的是,很多博客上的的迭代策略和书上是不一样的,可以理解成书上的迭代策略是比较简单的初代版本,后面的是改进版本。
此外,关于信赖域这个点我之前也是一知半解,并且书上还引出了其他的信赖域法比如狗腿法(Dogleg),所以首先需要了解信赖域这个内容,网上翻了很多,找到了一篇说信赖域说的很通俗易懂的,分享一下:信赖域解释
此外它的讲解LM法的也挺不错:L-M法
至于狗腿法,其实网上的也比较乱,暂时看的还不是很懂,之后看懂了在分享出来。
这是我关于狗腿法的理解的链接:https://blog.csdn.net/qq_35590091/article/details/94628887