0.SLAM中SVD進行最小二乘的應用
在SLAM應用中,計算Homography Matrix,Fundamental Matrix,以及做三角化(Triangulation)時,都會用到最小二乘
1.背景
對一堆觀測到的帶噪聲的數據進行最小二乘擬合
2.理論模型
3.優化目標
4.優化過程
5.工程實現
6.對齊次方程,利用SVD做最小二乘最優解的證明(感謝@劉毅 的推導)
7.其他非齊次方程組做最小二乘的方法
8.不同的最小二乘方法的討論
9.本篇文章的理論出處
上述推導並不復雜,但是如果你想明白最小二乘優化的來龍去脈,推薦你看《Multiple View Geometry in Computer Vision》中的附錄5:Least-squares Minimization
10.致謝
感謝 @劉毅 關於齊次方程組的SVD做最小二乘的的推導證明。
感謝 @黃山 關於矩陣條件數的介紹,以及一些相關的證明推導。
感謝 @泡泡機器人 的其他成員的激烈討論。