STI10hy的博客

非线性最小二乘法之Gauss Newton、L-M、Dog-Leg最快下降法假设hTF′(x)<0h^TF'(x) < 0，则h是F(x)F(x)下降方向，即对于任意足够小的α>0\alpha > 0，都满足F(x+αh)<F(x)F(x+ \alpha h) < F(x)。 现在讨论F(x)F(x)沿着h方向下降快慢： limα→0F(x)−F(x+αh)α∥h∥=−1∥h∥hTF′(x)=−

G2O非线性优化 上一篇文章介绍最小二乘法，本文介绍g2o实现最小二乘法。 g2o即General Graphic Optimization，它是一个基于图优化的库。至于图优化理论，参照半闲居士的博客 接着上回曲线拟合问题，拟合y=Asin(Bx)+Ccos(Dx)y=Asin(Bx)+Ccos(Dx)，已知N组数据(xi,yi),i=0,1,⋯N−1(x_i, y_i), i = 0, 1,

sim3群运算S=(sR01×3t1)S=\left(\begin{array}{ccc}&sR &t\\ &0_{1×3} &1 \end{array}\right) 最小表示：[ω,ν,σ][\omega,\nu,\sigma]， 其中ω∈R3,ν∈R3,σ∈R\omega\in R^3, \nu\in R^3, \sigma\in R。逆运算： S−1=⎛⎝1sRT01×3−1sRTt