c++如何用Ceres Solver进行非线性优化_c++数值优化库Ceres Solver入门教程

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 网络学院

c++如何用Ceres Solver进行非线性优化_c++数值优化库Ceres Solver入门教程

2025-11-10

浏览次数：次

返回列表

首先定义残差函数并使用AutoDiffCostFunction，然后构建Problem添加残差块，最后配置Solver选项并求解；示例中通过Ceres拟合指数曲线，需安装依赖并链接库，推荐使用自动微分和合理初值，结合Huber等核函数提升鲁棒性，适用于SLAM与Bundle Adjustment。

c++如何用ceres solver进行非线性优化_c++数值优化库ceres solver入门教程

在C++中使用Ceres Solver进行非线性优化，关键在于定义残差函数、构建问题结构并调用求解器。Ceres是Google开发的开源C++库，专为大规模非线性最小二乘问题设计，广泛应用于SLAM、Bundle Adjustment、曲线拟合等场景。

安装与配置Ceres Solver

确保系统已安装CMake和Eigen，Ceres依赖它们。推荐使用v2.1以上版本。

以Ubuntu为例：

通过包管理器安装依赖：
sudo apt-get install libeigen3-dev libsuitesparse-dev
克隆并编译Ceres：
git clone https://github.com/ceres-solver/ceres-solver
mkdir ceres-bin && cd ceres-bin
cmake ../ceres-solver && make -j4 && sudo make install
在CMakeLists.txt中链接库：
find\_package(Ceres REQUIRED)
target\_link\_libraries(your\_program ${CERES\_LIBRARIES})

定义残差函数（Cost Function）

非线性优化目标是最小化残差平方和。你需要为每个观测定义一个残差块。

常用方式是继承ceres::CostFunction或使用自动微分。

千鹿Pr助手

智能Pr插件，融入众多AI功能和海量素材

128 查看详情千鹿Pr助手

示例：拟

合曲线 y = exp(ax² + bx + c)

struct ExponentialResidual {
  ExponentialResidual(double x, double y) : x_(x), y_(y) {}
<p>template <typename T>
bool operator()(const T<em> const a, const T</em> const b, const T<em> const c, T</em> residual) const {
T model = ceres::exp(a[0] <em> x_ </em> x<em> + b[0] * x</em> + c[0]);
residual[0] = T(y_) - model;
return true;
}</p><p>double x<em>, y</em>;
};

使用AutoDiffCostFunction包装：

auto* cost_function =
  new ceres::AutoDiffCostFunction<ExponentialResidual, 1, 1, 1, 1>(
    new ExponentialResidual(x_data[i], y_data[i])
  );
problem.AddResidualBlock(cost_function, nullptr, &a, &b, &c);

构建并求解优化问题

将所有残差块加入Problem对象，设置求解选项后运行求解器。

ceres::Problem problem;
double a = 0.0, b = 0.0, c = 0.0; // 初始值
<p>// 添加多个数据点
for (int i = 0; i < num_points; ++i) {
problem.AddResidualBlock(
new ceres::AutoDiffCostFunction<ExponentialResidual, 1, 1, 1, 1>(
new ExponentialResidual(x_data[i], y_data[i])),
nullptr, &a, &b, &c);
}</p><p>// 配置求解器
ceres::Solver::Options options;
options.linear_solver_type = ceres::DENSE_QR;
options.minimizer_progress_to_stdout = true;</p><p>// 运行求解
ceres::Solver::Summary summary;
ceres::Solve(options, &problem, &summary);</p><p>std::cout << summary.BriefReport() << "\n";
std::cout << "Estimated: a=" << a << ", b=" << b << ", c=" << c << "\n";