ceres中的SizedCostFunction函数参数说明

在Ceres优化库中，`SizedCostFunction`是`CostFunction`的一个特定实现，它除了继承了基本的代价函数接口之外，还额外提供了尺寸信息。`SizedCostFunction`的参数通常包括以下几个关键部分：

1. **参数集合**（ParameterBlocks）: 这是指定要优化的一组变量，它们可能来自于模型的不同部分。当创建`SizedCostFunction`实例时，需要知道这些参数的大小和结构。

2. **尺寸信息**（Size Information）: `SizedCostFunction`类内部维护了一个表示参数维度的大小信息，这对于计算雅可比矩阵（Jacobian）和Hessian矩阵（如果支持的话）非常重要。

3. **代价函数评估** (`Evaluate` 方法): 实现了对给定参数值计算代价函数值的功能。这个方法接收参数向量并返回相应的代价。

4. **雅可比矩阵计算** (`ComputeGradient` 方法): 如果支持，用于计算参数向量对代价函数的梯度，即雅可比矩阵。

5. **Hessian矩阵计算** (`ComputeHessian` 或 `ComputeSparseHessian` 方法): 可选，用于计算代价函数关于参数的二阶导数，即Hessian矩阵。这通常是优化过程的一部分，特别是在局部拟牛顿法中。

当你使用`SizedCostFunction`时，必须确保它的构造函数接收了完整的参数信息，并且在其内部的方法中能够正确地访问和操作这些参数。例如：

// 假设我们有一个模型，参数集有三个元素
std::unique_ptr<ParameterBlock> params(new ParameterBlock(3));

// 创建一个SizedCostFunction实例，传递参数块和尺寸信息
std::unique_ptr<SizedCostFunction> cost_function(
    new MyCustomSizedCostFunction(params.get(), /*其他相关尺寸信息*/));

// 使用cost_function进行优化
Problem problem;
problem.AddResidualBlock(cost_function, nullptr, /*起点参数向量*/);
...