https://blog.csdn.net/weixin_43991178/article/details/100532618
https://blog.csdn.net/Night___Raid/article/details/105400547?utm_medium=distribute.pc_relevant.none-task-blog-title-7&spm=1001.2101.3001.4242
本篇博客结合例子 详细 介绍一下 Ceres库 的基本使用方法
Ceres 可以解决边界约束鲁棒 非线性最小二乘法优化问题，其概念可表达如下：
其在工程和科学领域有非常广泛的应用，比如统计学中的曲线拟合，或者在计算机视觉中依据图像进行三维模型的构建等
使用Ceres求解非线性优化问题，可以分为三个步骤：
1. 构建代价函数（cost function）
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。关于仿函数的内容可以参考这篇博客：c++仿函数 functor
2.通过代价函数构建待求解的优化问题
3.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
先看源码：
本部分的官方参照代码在examples/helloworld.cc
笔者在ubuntumate 18.04下进行验证，结果为：
接下来介绍一个较为复杂的问题，鲍威尔优化算法。有兴趣的可以查询其算法细节，本文主要是针对ceres的使用。
参数为 x = [x1, x2, x3, x4], 具体的函数为：
1. 构建代价函数（cost function）
2.通过代价函数构建待求解的优化问题
3.配置求解器参数并求解问题
运行结果为：
本部分为本笔记的重点，是我们第一次真正意义上的使用ceres解决非线性最小二乘问题，当然，结构是还是一致的，只需要稍加改动就可以实现。
数据来源：
1. 构建代价函数（cost function）
和前文一致，先建立损失函数，此处和前面不同的是第一次引入了数据，所以residual和前面有所区别，但这个位真正的非线性最小二乘的结构。
2.通过代价函数构建待求解的优化问题
3.配置求解器参数并求解问题
4、结果及分析
完整代码为：
输出结果为：
可以看出，结果与真实的曲线m = 0.3 m=0.3m=0.3 c = 0.1 c= 0.1c=0.1有一定的差别，这正好说明了拟合的正确性，因为我们添加了高斯噪音。
可视化的结果为：