Ceres-Solver安装与简介

首先要说明的是，我用ceres-2.0.0在ubuntu20.04上碰到一个问题，

VINS－MONO：integer_sequence_algorithm.h:64:21: error: ‘integer_sequence’ is not a member of ‘std’_tanmx219的博客-CSDN博客

所以后来用了ceres-solver-1.14.0。所以后来我一直用1.14的版本。

下载地址

http://ceres-solver.org/ceres-solver-2.0.0.tar.gz

http://ceres-solver.org/ceres-solver-1.14.0.tar.gz

安装 Ubuntu18.04+Ceres-solver

Start by installing all the dependencies.

# CMake
sudo apt-get install cmake
# google-glog + gflags
sudo apt-get install libgoogle-glog-dev libgflags-dev
# BLAS & LAPACK
sudo apt-get install libatlas-base-dev
# Eigen3
sudo apt-get install libeigen3-dev
# SuiteSparse and CXSparse (optional)
sudo apt-get install libsuitesparse-dev

We are now ready to build, test, and install Ceres.

tar zxf ceres-solver-2.0.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.0.0
make -j3
make test
# Optionally install Ceres, it can also be exported using CMake which
# allows Ceres to be used without requiring installation, see the documentation
# for the EXPORT_BUILD_DIR option for more information.
make install

下面的文章来自简书，比较通俗的简单介绍：Ceres入门 - 简书

Ceres solver 是谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达slam项目cartographer中被大量使用。Ceres官网上的文档非常详细地介绍了其具体使用方法，相比于另外一个在slam中被广泛使用的图优化库G2O，ceres的文档可谓相当丰富详细（没有对比就没有伤害，主要是G2O资料太少了，对比起来就显得ceres的很多），下面我就介绍下如何使用ceres库进行简单的非线性优化，给各位ceres的初学者一个低门槛的入门教程，能比较直观地对使用ceres库求解优化问题的过程有一个清晰的了解。话不多说，开整。

新手村-Ceres简易例程

使用Ceres求解非线性优化问题，一共分为三个部分：1、 第一部分：构建cost fuction，即代价函数，也就是寻优的目标式。这个部分需要使用仿函数（functor）这一技巧来实现，做法是定义一个cost function的结构体，在结构体内重载（）运算符，具体实现方法后续介绍。2、 第二部分：通过代价函数构建待求解的优化问题。3、 第三部分：配置求解器参数并求解问题，这个步骤就是设置方程怎么求解、求解过程是否输出等，然后调用一下Solve方法。

好了，此时你应该对ceres的大概使用流程有了一个基本的认识。下面我就基于ceres官网上的教程中的一个例程来详细介绍一下ceres的用法。 Ceres官网教程给出的例程中，求解的问题是求x使得1/2*(10-x)^2取到最小值。（很容易心算出x的解应该是10） 好，来看代码：

#include
#include

using namespace std;
using namespace ceres;

//第一部分：构建代价函数，重载（）符号，仿函数的小技巧
struct CostFunctor {
   template 
   bool operator()(const T* const x, T* residual) const {
     residual[0] = T(10.0) - x[0];
     return true;
   }
};

//主函数
int main(int argc, char** argv) {
  google::InitGoogleLogging(argv[0]);

  // 寻优参数x的初始值，为5
  double initial_x = 5.0;
  double x = initial_x;

  // 第二部分：构建寻优问题
Problem problem;
  CostFunction* cost_function =
      new AutoDiffCostFunction(new CostFunctor); //使用自动求导，将之前的代价函数结构体传入，第一个1是输出维度，即残差的维度，第二个1是输入维度，即待寻优参数x的维度。
  problem.AddResidualBlock(cost_function, NULL, &x); //向问题中添加误差项，本问题比较简单，添加一个就行。

  //第三部分： 配置并运行求解器
  Solver::Options options;
  options.linear_solver_type = ceres::DENSE_QR; //配置增量方程的解法
  options.minimizer_progress_to_stdout = true;//输出到cout
  Solver::Summary summary;//优化信息
  Solve(options, &problem, &summary);//求解!!!

  std::cout