1 序
slam十四讲中的第六章非线性优化,看了好几遍,但是无法通过例子将理论和实际算法联系起来。
主要疑问点是理论上,不管哪种算法,都需要计算雅可比矩阵,但是在书中g2o拟合曲线的例子中没有看到相关的代码的实现。
本贴主要通过研究源码和理论将两者联系起来。
2 GaussNewton理论实践
2.1 概要
本节以《视觉slam十四讲》第六章的拟合曲线为例来说明GaussNewton的计算过程
首先由于噪声的存在,曲线的实际结果为,
为噪声,其概率分布函数为
,即期望为
,标准差为
的高斯分布
现在测得100组(x,y)的数据,并且已知,求参数a,b,c
非线性优化的原理不再推导,求上述问题就是求a,b,c为何值时,最小
以上问题即为最小二乘问题,
2.2 求解过程
最小而成问题可以通过 GaussNewton来求解,求解过程如下
2.2.1 假设a=0,b=0,c=0的初始值
2.2.2 设:,求得
三个表达式,书中的雅可比矩阵为
2.2.3 根据100组测得的数据已经现有a,b,c固定值值(初始为0,之后会更新)计算下面内容
2.2.3.1 整理计算,x,y为100组测得的数据,a,b,c为固定值(初始为0,之后会更新)
2.2.3.2 整理计算
2.2.3.3 求解线性方程 ,H为[2.2.3.1]结果3*3的矩阵,g为[2.2.3.2]的结果3*1的矩阵 ,