SLAM－－非线性优化－－思路整理

待解决问题：　得知观测数据，求最可能的位姿。

说明：最大似然估计－>求负对数最小值－>根据得到的负对数最小的简化方程提出slam的误差优化模型（运动误差和观测误差的平方和）（也就是待优化的目标函数）－>引入最小二乘法模型－>目标函数（平方式子||f(x)||^2）－>求解目标函数（不方便求导时，引入增量△ x）－>求解增量－>两类方法（一阶和二阶梯度法）（Gauss-Newton、Levenberg-Marquadt）－>首先分析一阶和二阶梯度法（直接使用泰勒展开）－>(保留一阶时：（最速下降法）缺点：曲线容易出现锯齿)－>（保留二阶时：（牛顿法）缺点：问题过大时求解困难）－>引出Ｇ-N方法（对f(x+△ x)泰勒展开，并对△ x进行求导，令导数为０，求解增量矩阵）(求解得到的增量矩阵不稳定)－>引出L-M方法（添加了信赖域）－>将带约束的优化方程转化成带乘子的无约束的优化方程－>将该方程进行泰勒展开并并对△ x进行求导，令导数为０，求解增量矩阵。

 

精（liao）彩（cao）笔记如下：