Ceres Solver 学习笔记（六）——导数计算

本节内容主要依据也Ceres官方教程On Derivatives翻译完成

与所有依赖梯度的优化方法相似，Ceres Solver同样依赖于目标函数及其导数在评估域中任意点的计算。实际上，Ceres的核心功能在于确定目标函数及对应的雅可比矩阵。雅可比矩阵的求解精度与运算效率是衡量算法性能的重要标准。用户可以根据自身需求，从以下三种微分方式中灵活选择：

1. Analytic Derivatives 解析微分算法：由用户自行计算导数，或借助Maple、Mathematica等工具进行推导，并将结果编写至CostFunction中。
2. Numeric Derivatives 数值微分算法：通过有限差分的方式由Ceres自动计算导数值。
3. Automatic Derivatives 自动微分算法：利用C++模板和操作符重载技术，由Ceres实现自动化的微分过程。

具体采用哪一种（或多种）方法，需根据用户的实际需求和权衡来决定。官方建议采取如下策略：
优先考虑使用自动微分方法，在特定情况下可选用解析微分方式，尽可能减少对数值微分方法的依赖。

Spivak标记

为提升阅读与推理的便捷性，采用Spivak标记体系。

针