视觉slam14讲之非线性优化

首先我们要明确自己要求的目标是状态的变化。这一章通过贝叶斯把所求量和有关系的信息相互连接。

我们知道贝叶斯法则

对于公式里的y我们可以看成是我们所知道的信息，而x 是我们所要求的量。

书中其实一步步都解释的很清楚，我们的目的是如何通过已知量去求取我们需要的变量呢。我们通过贝叶斯公式把问题转换为最小二乘的问题。时刻要记住我们是为了求位姿。通过高斯分布来变化我们的公式。得到了最终的公式以后，我们就把问题转换为求最小二乘问题了。

接下去我们需要的是如何求一个函数的最小解，文中通过介绍了三种方法来讲解如何求导。一般情况下我们的函数都是非线性的，也是复杂函数，不能通过最简单的方式求导来解方程，文中主要的思想就是通过找到一个方向，找到一个微小的增量来求当前的值有没有到达最小值，就好像我们要从山顶下山，要选取方向和控制步长一步步下降。而在文中出现的问题很多。如何求解步长和方向呢

通过不同方法来控制步长和方向。一阶梯度采用的是最速下降法，通过 一阶导来求得迭代的Δx

其他方法也有相同的基调。用的最多的是高斯牛顿法。