本节主要依据Ceres官方指南翻译而成。
最小二乘法（least square）和非线性最小二乘分析的本来目的就是对一组数据进行曲线拟合。本节将介绍曲线拟合的问题。本节所用的采样点根据 y=e0.3x+0.1 y = e 0.3 x + 0.1 生成，并且加入标准差为 σ=0.2 σ = 0.2 高斯噪声。这 2n 2 n 个数据，存入data[]当中。下面我们用下列带未知参数的方程来拟合这些采样点：
y
本文介绍了使用Ceres Solver进行曲线拟合，详细讲解了如何处理包含高斯噪声的数据点，并探讨了鲁棒曲线拟合的概念，通过引入CauchyLoss函数来过滤异常值的影响。
最低0.47元/天 解锁文章
867
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
