说明
本文整理了几个对SLAM14讲ch10ceres求解BA的理解，由于原文格式看得很累，故转载在此。原文链接
1. 前言
g2o是根据边来保存每一个代价函数，是在边类中构造误差函数，构造边时，会设置顶点、测量值、协方差矩阵等。
而在ceres中，用problem类型来构造最终的目标函数。
先是使用AddResidualBlock来添加代价函数，代价函数和核函数等构造成目标函数。
在ceres中，代价函数就是误差项，目标函数是由很多误差项的范数的平方再各自乘以核函数除以2得到的。
2. 定义代价函数类型，定义其create成员来使用ceres当中的AutoDiff特性
所谓的定义代价函数类型是定义了一个SnavelyReprojectionError.h文件，它的构造函数中用的成员变量是observed_x,observed_y,会把传入的值赋值给observed_x,observed_y,这两个值是测量值，
在重载运算符()中，只有输入camera,point,residuals,那么camera,point就会计算出预测值，和测量值相减，就可以得到误差项。
而ceres::AutoDiffCostFunction的参数就是这个SnavelyProjectionError类和2,9,3,输入值就是SnavelyProjectionError类。
3. ceresBundle.cpp 添加代价函数
定义point_block_size和camera_block_size,这里是3和9
//读出路标和相机的维度，
const int point_block_size = bal_problem->point_block_size();
const int camera_block_size = bal_problem->camera_block_size();
//定义points和cameras指针，是路标和相机的数据首位置
double* points = bal_problem->mutable_points(); //返回值是parameters_+cmear_block_size()*num_cameras_;
double* cameras = bal_problem->mutable_cameras(); //返回值是parameters_
定义观测值常量指针observations,返回值是 2 * num_observations_的列。observations数据不能更改。没有给出观测值的具体值啊，这个是要读取的。
根据观测值数量做一个for循环，定义代价函数指针cost_function.它的值形式就是SnavelyProjectionError.h的create函数，输入变量是observations[2*i+0],observations[2*i+1].
定义损失函数指针为loss_function，这里的损失函数类似于鲁棒核函数，也是用来怕不好的数据点影响迭代效果的。它的值为如果params.robustify是健壮的，就用HuberLoss(1.0)函数，这里的delta定位1.0.如果不健壮就为NULL.
//定义problem->AddResidualBlock()函数中需要的待估计参数
double* camera = cameras + camera_block_size * bal_problem->camera_index()[i]; //即cameras+9*camera_index()[i]
double* point = points + point_block_size * bal_problem->point_index()[i]; //即points+3*point_index()[i]
然后往问题里添加代价函数就可以了。
是这么添加的：
problem->AddResidualBlock(cost_function,loss_function,camera,point)
只有放入代价函数，损失函数，放入camera,point这个SnavelyProjectionError.h就可以用到这两个值得到代价函数的形式。
看problem.h可以看到，在problem类中，添加目标函数的变量都是指针形式，分别是__代价函数，损失函数，x0和x1__.
ResidualBlockId AddResidualBlock(CostFunction* cost_function,
LossFunction* loss_function,
double* x0, double* x1)
;
4. ceresBundle.cpp 用ParameterBlockOrdering来管理Schur的消元顺序
定义SetOrdering函数来做。在函数里分别定义
num_points,points_block_size,指针points，points值为parameters_ + camera_block_size() * num_cameras_; 跟之前一样。
还有num_cameras,camera_block_size,指针cameras.
如果参数的ordering值为"automatic"，那么跳出函数，否则定义ParameterBlockOrdering指针ordering.
用ordering的AddElementToGroup对变量进行编号从而定义消元顺序。这里设置点云变量为0，相机变量为1.
先做points的循环
ordering->AddElementToGroup (points+point_block_size*i,0);
然后把ordering放到ceres的求解器options中
options->linear_solver_ordering.reset(ordering)
5. ceresBundle.cpp 设置优化策略
ceres设置优化策略等直接对Solver::Options的类型成员进行赋值就可以了，很方便。
这里设了一个setSolverOptionsFromFlags函数，变量有bal_problem用来提供各种参数值的，params用来判断的，options选择优化策略的。
来看options的几个参数值。
max_num_iterations:最大迭代次数
minimizer_progress_to_stdout:要不要输出到cout,如果输出，填true;
num_threads:用于计算的线程数目，可以加速雅克比矩阵的计算。
trust_region_strategy_type:下降策略的选取
linear_solver_type:增量方程如何求解，例如ceres::DENSE_QR.
设置好options之后，把它放入之前的SetOrdering函数，对schur消元进行排序。
（我对options设置里头的下降策略、增量方程设置不解）
6. 求解的设置
也还是options的参数
gradient_tolerance=1e-16;梯度
function_tolerance=1e-16:两次迭代之间目标函数之差的阈值。
定义统计信息summary,然后一次把options,&problem,&summary放入求解 函数solve就可以了。
其中options是设置求解策略和阈值等的，problem是用来设置目标函数是怎么求的，summary是求解之后的统计信息。