Ceres学习笔记
基本概念
Ceres可以解决以下形式的边界约束鲁棒化非线性最小二乘问题
min
x
1
2
∑
i
ρ
i
(
∥
f
i
(
x
i
,
…
,
x
i
k
)
∥
2
)
s
.
t
.
l
j
≤
x
j
≤
u
j
\begin{aligned} \min_{x} \quad&\frac 12 \sum_i\rho_i\bigg(\lVert f_i(x_i,\dots,x_{i_k})\rVert^2\bigg)\\s.t. \quad &l_j\leq x_j\leq u_j \end{aligned}
xmins.t.21i∑ρi(∥fi(xi,…,xik)∥2)lj≤xj≤uj
m
i
n
x
f
(
x
)
min_xf(x)
minxf(x)表示使
f
(
x
)
f(x)
f(x)最小的
x
x
x的取值。
ρ
i
(
∥
f
i
(
x
i
,
…
,
x
i
k
)
∥
2
)
\rho_i\bigg(\lVert f_i(x_i,\dots,x_{i_k})\rVert^2\bigg)
ρi(∥fi(xi,…,xik)∥2)被称为ResidualBlock,其中的
f
i
(
⋅
)
f_i(\cdot)
fi(⋅)是一个CostFunction,
ρ
i
\rho_i
ρi为LossFunction,是一种标量函数,用于减少离群值对非线性最小二乘问题解的影响。
Ceres求解步骤
- 构建优化问题Problem类
- 构建优化的残差函数CostFunction
- 最小二乘问题构建,在每次获取到数据后添加到残差块
- 求解最小二乘问题
Problem类
AddResidualBlock()
向Problem类传递残差模块的信息。传递的参数主要包括:代价函数模块、损失函数模块和参数模块
ResidualBlockId Problem::AddResidualBlock(CostFunction *cost_function,
LossFunction *loss_function,
const vector<double *> parameter_blocks)
ResidualBlockId Problem::AddResidualBlock(CostFunction *cost_function,
LossFunction *loss_function,
double *x0, double *x1, ...)
-
代价函数:包含了参数模块的维度信息,内部使用仿函数定义误差函数的计算方式。
-
损失函数:用于处理参数中含有野值的情况,避免错误量测对估计的影响,常用参数包括
HuberLoss
、CauchyLoss
等(完整的参数列表参见Ceres API文档);该参数可以取NULL
或nullptr
,此时损失函数为单位函数。 -
参数模块:待优化的参数,可一次性传入所有参数的指针容器 vector <double* >或 依次传入所有参数的指针double*。
AddParameterBlock()
用户在调用 AddResidualBlock()
时其实已经隐式地向 Problem 传递了参数模块,但在一些情况下,需要用户显式地向 Problem
传入参数模块(通常出现在需要对优化参数进行重新参数化的情况,因为这个时候,优化的参数已经变了)。
参考文献:
http://ceres-solver.org/nnls_tutorial.html
https://www.cnblogs.com/vivian187/p/15325294.html