FAST-LIVO2 源码精读（七）：点到面残差、雅可比与观测方程

原创 于 2026-06-18 12:46:39 发布 · 75 阅读 · 0 GEO检测
标签
#算法 #机器学习 #人工智能

FAST-LIVO2 源码精读（七）：点到面残差、雅可比与观测方程

本文是「FAST-LIVO2 激光-惯性-视觉里程计源码精读」专栏第七篇，数学基础篇章（第 4–7 篇）的收尾篇。上一篇完整推导了 ESIKF 的信息矩阵形式与迭代收敛机制；本篇聚焦"H 矩阵究竟从哪里来"这一核心问题：从点到面残差的几何定义出发，推导 LiDAR 观测方程对旋转和位移的完整 Jacobian，精读 voxel_map.cpp 中 build_single_residual、BuildResidualListOMP 及 H 矩阵装配的源码实现，并解析测量噪声的双源叠加模型。

一、引子：配准精度的几何直觉

将一帧激光点云对齐到地图，最朴素的思路是"找最近点对，最小化点到点距离"。然而这条路存在一个根本缺陷：稀疏采样下最近点并不一定是真实对应点。两帧扫描角度稍有不同，点的位置就会改变，导致"找错了配对"后距离越优化越偏。

点到面（point-to-plane）残差彻底绕开了这一困境：用平面而非孤立点作为配准目标。平面是从同一曲面上的若干点共同拟合出来的几何基元，对单点位置变化具有平均效果。对于室内走廊、建筑立面、地面等连续几何结构，平面假设成立时，配准精度可比点到点高出一个数量级。

FAST-LIVO2 的 LIO 更新完全建立在点到面残差上：每帧降采样后的点云，每个点单独在 VoxelMap 中查找最近拟合平

了解本专栏 订阅专栏 解锁全文
FAST-LIVO2 源码精读（四）：SO(3) 流形、李代数与右扰动
PX4-SLAM-PNC
06-15 239
本文是「FAST-LIVO2 激光-惯性-视觉里程计源码精读」专栏第四篇，也是数学基础篇章（第 4–7 篇）的开篇。前三篇完成了系统认知与实际运行；从本篇起深入数学，为后续 ESIKF 推导和源码逐行精读铺垫必要的工具。本篇聚焦一个根本问题：旋转为什么不能直接相加，以及 FAST-LIVO2 的operator+是如何在代码层面解决这个问题的。
哈夫曼树
Queenie_Charlie 的博客
06-13 244
实际上，哈夫曼算法的实现与实际问题所采用的存储结构有关。现假设用数组F来存储哈夫曼树，其中第i个数组元素F[i]是哈夫曼树中的一个结点，其地址为i，有3个域，Data域存放该结点的权值，lChild域和rChild域分别存放该结点左、右子树的根结点的地址（下标）。在以后每步构造一棵新二叉树时，都需要对森林中所有二叉树的根结点进行排序，因此可用数组a作为排序暂存空间，其中第i个数组元素a[i]是森林F中第i棵二叉树的根结点，有2个域，Data是根结点所对应的权值，Addr是根结点在F中的地址（下标）。
2026年第九届GXCPC广西大学生程序设计大赛（热身赛）题解
奇妙方程式的博客
06-15 222
题目来源：未知，可在评论区补充。
基于卷积神经网络的人脸情绪识别算法，引入残差连接与SE注意力模块
weixin_49081159的博客
06-11 374
人脸情绪识别是人机交互领域的重要研究方向，具有广泛的应用前景。本文针对FER-2013数据集，研究基于卷积神经网络（CNN）的情绪识别算法。首先构建基准CNN模型，分析其在各类别上的性能瓶颈。针对Fear、Sad等弱势类别识别率低的问题，引入残差连接与SE注意力模块改进网络结构；同时采用增强型数据增强（包括Cutout、亮度/对比度调整）和困难样本过采样策略提升模型泛化能力。实验结果表明，优化后的模型在测试集上达到69.04%的准确率，较基准模型提升约2个百分点，尤其在Fear和Sad类别上F1-score
百度 C++/PHP 研发一二面：一面扫八股和算法，二面开始逼近 Redis、MySQL 和秒杀设计
TechPioneer_lp的博客
06-15 147
这篇百度C++/PHP研发面经展现了后端岗位的面试进阶路径：一面侧重算法、操作系统、网络等基础（如链表判环、HTTP协议），二面则深入Redis/MySQL底层、高并发设计（如秒杀系统）。面经揭示百度筛选标准：基础合格后，重点考察缓存/数据库系统理解、高并发设计能力。建议准备时：一面夯实算法和语言基础（C++关键字/多态），二面吃透Redis/MySQL原理，并构建系统设计思维。笔试不佳仍有面试机会，但二面才是真正的能力分水岭。
《LeetCode 200 FloodFill 岛屿数量DFS解法》
2601_95366422的博客
06-15 248
LeetCode200 岛屿数量
C语言学习笔记 - 55.流程控制9 - 选择5 - if...else if多分支语句
weixin_57913829的博客
06-17 252
本文介绍了C语言中if-elseif多分支语句的核心概念和应用。该语句专门用于处理多个互斥条件的选择问题，通过自上而下依次判断表达式，从多个分支中选择且仅执行一个语句块。文章详细阐述了语法格式、执行逻辑，并提供了成绩等级划分和一元二次方程求解两个典型示例。同时指出了常见错误，如条件判断顺序错误、单独的else语句等，并对比了if-elseif与嵌套if语句的优劣，强调前者在代码简洁性和可读性方面的优势。
[LC优选算法#5] 分治:快排 | 颜色分类 | 排序数组 | 第K大元素
C++开发
06-14 324
本文介绍了基于分治思想的快速排序算法及其应用。主要内容包括：1) 分治快排与普通快排的区别，分治快排将数组分为三部分，解决了全为key值时效率退化问题；2) 通过颜色分类、排序数组和求第K大元素三个例题，详细讲解分治快排的实现和优化技巧，如随机选择基准元素；3) 特别分析了TopK问题的解法，如何在排序过程中通过区间元素数量比较快速定位目标元素。文章提供了清晰的算法图解和代码实现，展示了分治快排算法在稳定O(NlogN)时间复杂度上的优势。
芝士算法（滑动窗口片 2.0）
AKA__Zas的博客
06-13 95
因为数组只存在 ’数字串‘ 所以也可以使用数组建立哈希表 kinds 表示。题目给出了类型 要求出个数 使用。此题本质上 和 上题 没有大致区别。1）字符串 要每一小短对应 len。简单的说这一道题 从数组串要求出。的存在所以要对部分做出修改。（数组有多少个小段字符串）pluspro 加强版。
LeetCode 3264.K次乘运算后的最终数组I
tus00000的博客
06-17 175
如果nums的大小为n，数组中最大值为U，multiplier为m，则此算法时间复杂度为O(nlognlog。输入：nums = [2,1,3,5,6], k = 5, multiplier = 2。输入：nums = [1,2], k = 3, multiplier = 4。1 次操作后 [2, 2, 3, 5, 6]2 次操作后 [4, 2, 3, 5, 6]3 次操作后 [4, 4, 3, 5, 6]4 次操作后 [4, 4, 6, 5, 6]5 次操作后 [8, 4, 6, 5, 6]
滑动窗口最大值问题：单调队列的巧妙应用
纳兰青华的博客
06-16 304
本文介绍了使用单调队列高效解决滑动窗口最大值问题的方法。通过维护一个单调递减的双端队列存储元素索引，算法能在O(n)时间复杂度内找到每个窗口的最大值。关键步骤包括：1)维护队列单调性，移除小于新元素的队尾元素；2)检查队首元素是否超出窗口范围；3)当窗口形成时记录队首最大值。相比暴力解法的O(n×w)复杂度，这种优化方案显著提升了效率，特别适合处理大规模数据。文章结合示例详细演示了算法执行过程，并分析了复杂度，最后总结了单调队列在滑动窗口问题中的通用性。
【算法】专题一：双指针之呈最多水的容器，有效三角型的个数，和为 s 的两个数字，三数之和，四数之和
2501_93351213的博客
06-17 163
3.当 price[left] + price[right] > target 时，同理我们可以舍去price[right] （最⼩的数都满⾜不了你，你也没救了）。根据解法⼀中的优化思想，我们可以固定⼀个最⻓边，然后在⽐这条边⼩的有序数组中找出⼀个⼆元组，使这个⼆元组之和⼤于这个最⻓边。v = (right - left) * min( height[right], height[left])容器的左边界为 height[left] ，右边界为 height[right]。为了⽅便叙述，我们假设。
算法总结（链表、哈希）
最新发布
2503_93247646的博客
06-17 527
在文章的最后，还有一个细节需要被提及，就是虚拟头节点。无论是我们构建链表，还是做链表的算法题也好，虚拟头节点一直是我们无法回避的一个点，不是说没有虚拟头节点我们做不了，而是可以更加的方便，可以把所有的操作全部统一而且不需要考虑空链表报错的情况本篇文章就到这里结束了，希望可以对大家有所帮助~~~
需求预测终极指南：零售商品预测方法、算法与AI实践
06-16 360
需求预测（Demand Forecasting）是零售企业利用历史销售数据、市场趋势、促销计划、季节性规律和外部环境因素，通过统计模型或机器学习算法，对未来特定时间段内各SKU销售量进行系统性预测的过程。区分需求预测与相关概念：需求预测关注数量维度（预测卖多少件），销售预测关注金额维度（预测卖多少钱），两者相乘得到销售金额预测，共同构成商品预算的数据基础。需求预测不等于销售目标——目标是战略性设定，预测是数据驱动的量化估算，两者可以不同，不应强制对齐。
BP神经网络用什么训练算法(traingd、traingdm、trainlm)
dbat
06-14 200
在使用matlab来训练BP神经网络时，我们不免会疑惑，究竟要怎么选择训练函数呢？
算法札记：归并排序
Keven_11的博客
06-16 174
摘要：本文对比了归并排序与快速排序的特性。归并排序稳定，时间复杂度稳定为O(nlogn)，但需要额外空间；快速排序不稳定，平均复杂度O(nlogn)，最坏O(n²)，但空间效率高且缓存友好。实际应用中，快排因优化技术（如三数取中）更常用，而归并排序在需要稳定性、外部排序和链表排序等场景不可替代。现代语言常采用混合策略兼顾二者优点。理解两种算法的适用场景对实际编程选型至关重要。（149字）
算法札记：模拟栈、模拟队列
Keven_11的博客
06-17 180
在算法竞赛中，数组模拟数据结构往往比STL容器更具优势。数组模拟栈（用tt指针）和队列（用hh/tt指针）能显著提升性能，避免TLE，且支持清空、遍历等灵活操作。其核心代码简洁（约5行），在NOIP等竞赛中已成惯例。而priority_queue等复杂结构仍建议使用STL。选择依据：大数据量/关键比赛用手写，小数据量/O2优化环境下可用STL。这种优化策略源自竞赛圈实践，由"豆包"等大神总结推广。（149字）
强化学习Option框架：从理论到算法实施流程
qq_21493823的博客
06-15 804
Option框架是分层强化学习主流时间抽象框架，由Sutton团队1999年顶会论文提出，依托SMDP理论突破传统MDP单步动作决策局限，借助时序抽象子任务解决长时序、稀疏奖励类复杂强化学习难题。本文依托该框架基础理论与三元组数学定义，梳理原生Option、Option-Critic及衍生算法原理，拆解标准化算法实施流程，结合工程优化策略、训练缺陷与前沿改进方向，系统完成Option框架从底层理论、核心算法到工程落地的全维度梳理。
气象预警Agent等级判定算法：2026年AI驱动的概率集合预报与自动化闭环实践
企业级智能体，全行业解决方案，5000+企业签约，海量场景覆盖。
06-12 94
摘要： 2026年，AI Agent驱动的智慧气象系统实现全球落地，气象预警算法完成从确定性预报向概率集合判定的范式升级。新一代算法通过集合预报和动态阈值修正，实现极端天气长尾风险识别与秒级响应。以深圳“阿福”和实在Agent为代表的智能体，深度融合大模型与超自动化技术，支持跨系统操作和全链路闭环决策，推动企业从信息化迈向智能化。新算法还耦合跨部门数据，形成“一设施一预警”的精细化能力，但需注意算力依赖与人工终审等边界条件。AI Agent正成为社会运行的核心中枢，重构人机协同范式。
2021年CSP-X复赛真题及题解（T3：口袋）
王老师青少年编程
06-17 369
2022年CSP-X复赛真题及题解（T3：口袋）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值