解＜最小二乘法＞

内容整理自＜视觉SLAM十四讲＞

一．前言

上回说道：

这就得到了一个总体意义下的最小二乘问题(Least Square Problem)。我们明白它的最优解等价于状态的最大似然估计。

也就是说最大似然估计又被转换成了噪声项(即误差)的平方的最小化.

现在开始用非线性优化的方法求求解最小二乘法：注意前端通过ICP 和PnP会提供非线性优化算法的初值.

初值可能会通过＂先求相机位姿，再求空间点位置＂的方法，(注意这个方法和BA中的边缘化方法不是一个哈，边缘化虽然也有点类似这个意思，Schur补）但是非线性优化则是把它们都看成优化变量．

注意非线性优化和ＢＡ是不同的：非线性优化是一种优化算法，ＢＡ只是passive vision（被动视觉）也就是普通相机进行SLAM 求解时的那个观测方程的表现形式．ＢＡ使用非线性优化策略．当然如果BA已经扩散成一个大概念了那就不同了．

二．总体思路

对于最小二乘问题，可以直接求解目标函数的导数，使导数为０，然后求解Ｘ的最优值．注意这里的Ｘ是一个整体优化函数，里面包括三维地图点和相机位姿．（如果在dso里面，还要包括很多东西，包括相机光学参数等）

但是直接求解导数的零点这样的非线性方程太复杂了，所以&#x