(1分钟突击面试) 高斯牛顿、LM、Dogleg后端优化算法

高斯牛顿法 LM法 DogLeg方法

编辑切换为居中

添加图片注释，不超过 140 字（可选）

知识点：高斯牛顿是线搜索方法 LM方法是信赖域方法。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

这个就是JTJ是Hessian矩阵的近似即可，知道这个就完事。这个的话也是推导出来两个公式，然后比较形式得出来的这个结论。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

LM方法是信赖域的方法，主要是为了解决JTJ的问题，就是说可能JTJ不可逆，那么加上一个莱姆大*单位阵以后相当于前面介绍的岭回归，那么这就保证了求逆运算。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

这里的话就是上面这个公式，和高斯牛顿的区别就是多了一个莱姆达*单位阵。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

这里的u起着阻尼的作用，就是说步长大了的话就放小点，步长小的话就放大点。

Dogleg方法

编辑切换为居中

添加图片注释，不超过 140 字（可选）

比较信赖域高斯牛顿和最速下降之间的关系，然后来确定步长方向，最终找到最优解。

编辑切换为居中

添加图片注释，不超过 140 字（可选）

以上三个算法的总结，DogLeg方法是首选的比较好用的方法，然后LM和Dog-Leg方法都比高斯牛顿法要好。说明信赖域方法要好于线搜索的方法。这里有一个小的知识点回顾，就是线性化的话在slam中表达的意义是求雅可比，出自vins的辅导课程中。

(1分钟突击面试) 高斯牛顿、LM、Dogleg后端优化算法相关推荐

高斯牛顿迭代法matlab代码,优化算法--牛顿迭代法
简书同步更新牛顿法给出了任意方程求根的数值解法,而最优化问题一般会转换为求函数之间在"赋范线性空间"的距离最小点,所以,利用牛顿法去求解任意目标函数的极值点是个不错的思路. 方程 ...
基于Cat混沌与高斯变异的改进灰狼优化算法-附代码
基于Cat混沌与高斯变异的改进灰狼优化算法文章目录基于Cat混沌与高斯变异的改进灰狼优化算法 1.灰狼优化算法 2. 改进灰狼优化算法 2.1 混沌反向学习策略的种群初始化 2. 2 引入个体记忆 ...
梯度下降、牛顿法、高斯牛顿L-M算法比较
本文梳理一下常见的几种优化算法:梯度下降法,牛顿法.高斯-牛顿法和L-M算法,优化算法根据阶次可以分为一阶方法(梯度下降法),和二阶方法(牛顿法等等),不同优化算法的收敛速度,鲁棒性都有所不同.一般来 ...
slam十四讲-ch6-非线性优化（包含手写高斯牛顿、使用g2o库、使用ceres库三种方法的源码详细注释）
一.自写高斯-牛顿法该程序是要进行一个非线性优化,对非线性函数的系数进行优化 y=exp(ax2+bx+c) 给定初始的系数 ae,be,ce(估计的) ar,br,cr(真实的) 源码如下: // ...
视觉SLAM十四讲学习笔记-第六讲-非线性优化的实践-高斯牛顿法和曲线拟合
专栏系列文章如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客视觉SLAM十四讲学习笔记-第二讲-初识SLAM_goldqiu的博客-CSDN博客视觉SLAM十四讲学习 ...
lio-sam框架：点云匹配之手写高斯牛顿下降优化求状态量更新
lio-sam框架:点云匹配之手写高斯牛顿优化求状态量更新前言代码分前言 LIO-SAM的全称是:Tightly-coupled Lidar Inertial Odometry via Smoo ...
非线性最小二乘问题的高斯-牛顿算法
@非线性最小二乘问题的高斯-牛顿算法非线性最小二乘与高斯-牛顿算法开始做这个东西还是因为学校里的一次课程设计任务,找遍了全网好像也没有特别好用的,于是就自己写了一个.仅供参考. 首先,介绍下非线性 ...
高斯牛顿(Gauss Newton)、列文伯格-马夸尔特(Levenberg-Marquardt)最优化算法与VSLAM
转载请说明出处:http://blog.csdn.net/zhubaohua_bupt/article/details/74973347 在VSLAM优化部分,我们多次谈到,构建一个关于待优化位姿的误 ...
梯度下降法，牛顿法，高斯-牛顿迭代法，附代码实现
---------------------梯度下降法------------------- 梯度的一般解释: f(x)在x0的梯度:就是f(x)变化最快的方向.梯度下降法是一个最优化算法,通常也称为最 ...

(1分钟突击面试) 高斯牛顿、LM、Dogleg后端优化算法

(1分钟突击面试) 高斯牛顿、LM、Dogleg后端优化算法相关推荐

最新文章

热门文章