对于LM法和信赖域的理解

    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